计算机应用研究

作者：杨震宇,叶军,季雨瑄,敖家欣,王磊,

单位：1.南昌工程学院信息工程学院,南昌330000；2.江西省水信息协同感知与智能处理重点实验室,南昌330000；

关键词：粗糙集,蚁群算法,特征选择,分辨矩阵,特征子集,

基金：江西省教育厅科技项目(GJJ211920,GJJ170995)；国家自然科学基金资助项目(61562061)；；

目前已有蚁群算法优化的特征选择方法，大多采用的是以属性依赖度和信息熵属性重要度作为路径上启发搜索因子，但这类搜索方法在某些决策表中存在算法早熟或搜索到的特征子集包含了冗余特征，从而导致选择精度显著下降。针对此类问题，根据条件属性在分辨矩阵中的占比提出了一种属性重要度的度量方法，以分辨矩阵重要度作为路径上启发因子，设计了一种基于分辨矩阵与蚁群算法优化的特征子集搜索方法。该算法从特征核出发，蚁群依次选择概率大的特征加入特征核集，直至找到最小特征子集算法终止。通过实例验证和UCI数据集实验结果表明，与基于属性依赖度和信息熵属性重要度的特征选择方法相比，在通常情况下，该算法能较小代价找到最小特征子集，并且可以有效减少计算工作量。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期