.png){kind=icon}
返回
A new ensemble feature selection approach based on genetic algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s00500-020-04911-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在集成特征选择方法中，如果对所使用的每个特征子集进行权重调整，则集成效果可能会显着不同; 因此，如何找到优化的权重向量是一个关键且具有挑战性的问题。针对这一优化问题，提出一种基于遗传算法的集成特征选择方法 (efs-bga)。每个基特征选择器生成一个特征子集后，efs-bga方法通过遗传算法得到每个特征子集的优化权值，区别于传统遗传算法直接处理单个特征。我们将efs-bga算法分为两种类型。第一种是完整的集成特征选择方法; 基于第一种，我们进一步提出了选择性efs-bga模型。之后，我们通过数学分析，从理论上解释了为什么权重调整是一个优化问题，以及如何进行优化。最后，通过在多个数据集上的对比实验，在实践中说明了本文的efs-bga算法相对于以往集成特征选择算法的优势。
Keyword:
Ensemble feature selection
Optimization problem
Genetic algorithm
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.5
论文数:
1.0W
被引数:
2.1W
机构
引用论文
.png){kind=icon}
Feature Selection Based on Hybridization of Genetic Algorithm and Particle Swarm Optimization基于遗传算法和粒子群算法混合的特征选择
OAAI
OAAI分享收藏
查看更多内容