.png){kind=icon}
返回
A novel binary puma optimization algorithm for feature selection problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06610-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
猫头鹰优化算法（POA）是一种近期提出的元启发式算法，其灵感来源于美洲狮的合作捕猎策略和社会行为。本研究开发了二进制POA（BPOA），专门用于特征选择，通过整合十种转移函数（TFs）。这些变换使POA能够在二进制搜索空间中有效运行，从而将其适用性扩展到高维分类问题。评估过程包括三个阶段：（i）确定最适合BPOA的TF，（ii）与传统特征选择方法进行基准测试，（iii）通过与领先元启发式算法的比较，包括二进制霉菌算法（BSMA）、二进制 Harris 鹰优化算法（BHHO）、二进制洪水算法（BFLA）、二进制中国穿山甲优化器（BCPO）和二进制 Rüppell’s 狐狸优化器（BRFO）。性能通过分类准确率、适应度值、选择的特征数量和计算时间进行评估。使用 K-Nearest Neighbour（KNN）作为主要分类器，辅以 Support Vector Machine（SVM）、Gaussian Naïve Bayes（GNB）和 Logistic Regression（LGR）进行进一步分析。结果表明，BPOA的阈值截断变体（BPOATC）在所有TF版本中达到最高的分类准确率（91.53%），并且持续表现出优于传统特征选择技术和最新元启发式算法的性能。Friedman检验结果进一步证实了其统计上的优越性。在三个入侵检测系统（IDS）数据集（NSL-KDD、UNSW-NB15、UAV-IDS-2020）上的额外验证表明其强大的鲁棒性，BPOATC在UNSW-NB15和UAV-IDS-2020上达到领先性能，在NSL-KDD上获得近最优结果。
Keyword:
Machine learning
Feature selection
Optimization algorithms
Puma optimization algorithm
Intrusion detection system
期刊
C
IF:
4.1
论文数:
5.0K
被引数:
7.5K
机构
暂无机构信息
引用论文
An adaptive opposite slime mold feature selection algorithm for complex optimization problems针对复杂优化问题的自适应反向黏菌特征选择算法.png)
IF0
PREAI
分享收藏Draco lizard optimizer: a novel metaheuristic algorithm for global optimization problemsDraco lizard optimizer：一种用于全局优化问题的全新元启发式算法
PREAI
分享收藏A comprehensive survey on IoT attacks: Taxonomy, detection mechanisms and challenges物联网攻击的全面综述：分类、检测机制及挑战
OAAI
OAAI分享收藏Binary plant rhizome growth-based optimization algorithm: an efficient high-dimensional feature selection approach基于二进制植物根茎生长的优化算法：一种高效的高维特征选择方法JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏An efficient feature selection and classification system for microarray cancer data using genetic algorithm and deep belief networks基于遗传算法和深度信念网络的微阵列癌症数据高效特征选择与分类系统
PREAI
分享收藏Advanced feature selection approach with Halton-based enhanced adaptive dung beetle algorithm基于Halton的增强自适应屎壳郎算法的先进特征选择方法
PREAI
分享收藏
查看更多内容