计算机应用研究

作者：万红,李蒙蒙,王昊锋,岳彩通,王力,尚志刚,

单位：1.郑州大学a.电气工程学院;b.产业技术研究院,郑州450001；2.河南省脑科学与脑机接口技术重点实验室,郑州450001；

关键词：特征选择,多目标优化,粒子群优化,稀疏,分类,信息损失,

基金：国家自然科学基金资助项目(U1304602,61673353)；；

特征选择是处理高维大数据常用的降维手段，但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中，优化子集性能，提出一种基于子集评价多目标优化的特征选择框架，并重点对多目标粒子群优化（MOPSO）在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数，继而基于多目标优化算法进行特征权值向量寻优，并通过权值向量Pareto解集膝点选取确定最优向量，最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择（FS_MOPSO）与四种经典方法的性能，多个数据集上的结果表明，FS_MOPSO在低维空间表现出更高的分类精度，并保证了更少的信息损失。

来源：2020年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第8期