.png){kind=icon}
返回
A frequent pattern-based coevolutionary framework for multi-component spectral feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102077.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光谱特征选择在光谱分析中起着关键作用，因为它旨在从原始的高维波长变量中识别最有效的特征，从而提高浓度预测模型的准确性。在多组分光谱特征选择（MCSFS）问题中，样品的多样组成和浓度导致变量间出现复杂的峰重叠和相关性。这种复杂性给高效寻找最优特征子集带来了挑战。为解决此问题，本文提出了一种基于频繁模式的协同进化框架，用于解决MCSFS问题。具体而言，该算法首先生成一个用于多组分光谱特征选择的主种群和多个用于单组分光谱特征选择的辅助种群。此外，它引入了频繁模式挖掘策略，以识别每个种群中的动态优势特征组合及其更新权重，处理变量的复杂性以加速有效特征的搜索。所提出的协同进化框架通过共享识别的特征组合和子代信息促进种群间的相互作用，从而获得高质量的特征选择结果。基于三个高维光谱数据集的十二个MCSFS问题的实验结果表明，所提出的算法优于六种先进的进化算法。
Keyword:
spectral feature selection
multi-component spectral feature selection
coevolutionary framework
frequent pattern mining
wavelength variables
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
Application of deep learning on quantitative analysis of binary solid dispersions by UV Raman spectroscopy for planetary exploration基于UV拉曼光谱的二元固体分散体定量分析中深度学习的应用研究
PREAI
分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏A Duplication Analysis-Based Evolutionary Algorithm for Biobjective Feature Selection基于重复分析的双目标特征选择进化算法
PREAI
分享收藏A two-stage evolutionary algorithm for large-scale sparse multiobjective optimization problems求解大规模稀疏多目标优化问题的两阶段进化算法
PREAI
分享收藏An Enhanced Competitive Swarm Optimizer With Strongly Convex Sparse Operator for Large-Scale Multiobjective Optimization用于大规模多目标优化的具有强凸稀疏算子的增强型竞争群优化器
PREAI
分享收藏
查看更多内容