返回
An evolutionary multitasking algorithm for multi-objective feature selection using dual-perspective reduction
DOI:10.1016/j.engappai.2025.110764.png)
摘要
En 中文
特征选择本质上涉及两个相互冲突的目标:最小化所选特征的数量和最大化分类精度。搜索空间的指数级增长以及特征之间的复杂交互使得高维特征选择具有挑战性。现有的多目标方法存在收敛速度慢和搜索能力有限的问题。此外,目前缺乏高效的方法来识别具有等价目标值的特征子集,这能够提供多样化的选项。为解决这些问题,本文提出了一种基于双视角约简的多目标特征选择进化多任务算法,称为DREA-FS。首先,设计了一种双视角降维策略,通过改进的基于过滤器和基于组的方法生成简化和互补的任务,以促进对有前景区域的快速识别。为实有效信息共享,提出了一种双档案多任务优化机制,该机制引入了一个多样性档案库以保留性能等价的特征子集并维持多样性。结合提供收敛指导的精英档案库,该机制在任务间实现了收敛与多样性的平衡,从而增强了搜索等价特征子集的能力。在21个数据集上的实验结果表明,所提出的方法在分类性能上优于当前最先进的多目标算法。此外,DREA-FS能够识别具有等价目标值的不同特征子集,为决策者提供多样化的选项和更好的可解释性。
Keyword:
Evolutionary multitasking
Feature selection
High-dimensional classification
Multi-objective optimization
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
引用论文
Evolutionary Multitasking with Global and Local Auxiliary Tasks for Constrained Multi-Objective Optimization具有全局和局部辅助任务的进化多任务处理,用于约束多目标优化
A similarity-conformity-based clustering and decentralized feedback mechanism to manage incompatible decision-makers in large-scale group decision-making基于相似性-一致性的聚类和分散反馈机制,用于管理大规模群体决策中的不相容决策者
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
Utilization finite element and machine learning methods to investigation the axial compressive behavior of elliptical FRP-confined concrete columns
STRUCTURES
IF4.3
Improved Salp Swarm Algorithm based on opposition based learning and novel local search algorithm for feature selection基于反向学习的改进Salp群算法和新的局部搜索特征选择算法
MOFS-REPLS: A large-scale multi-objective feature selection algorithm based on real-valued encoding and preference leadership strategyMOFS-REPLS:一种基于实值编码和偏好领导策略的大规模多目标特征选择算法

