文献类型：期刊文章

作　　者：周丹[1,2] 吴春明[1]

机构地区：[1]浙江大学计算机系统结构研究所,杭州310027 [2]台州职业技术学院电信学院,浙江台州318000

出　　处：《计算机工程与应用》

基　　金：国家高技术研究发展计划(863)(No.2015AA015602);2016年浙江省教育技术研究规划课题(No.JB111);台州职业技术学院2018年度校级重点课题(No.2018ZD05)

年　　份：2018

卷　　号：54

期　　号：1

起止页码：146-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：特征选择作为一种数据预处理技术被广泛研究,由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限,将量子进化算法应用于特征选择,提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法,以Fisher比和特征维度为特征子集的评价准则构造了适应度函数,按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对三种算法作对比验证,通过识别重要特征、提高学习算法性能、特征选择效率三组实验,结果表明,该算法能够识别出重要特征,并随着数据集特征维度升高,特征选择的性能逐渐优于对比算法,到了高维数据集,特征选择效率明显优于对比算法。

关 键 词：特征选择  量子进化算法 遗传算法 特征子集 特征维度  

分 类 号：TP18]