.png){kind=icon}
返回
An Instance Selection Assisted Evolutionary Method for High-Dimensional Feature Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/TEVC.2025.3600815.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
进化算法（EAs）在解决特征选择（FS）问题中已展现出其竞争力。然而，当面对高维数据且实例数量众多时，现有EAs面临两大挑战：1）特征数量的增加导致EAs的搜索空间呈指数级增长，即所谓的“维度灾难”；2）实例数量的增加不仅提高了EAs的评估成本，还可能降低所得特征子集的质量。为同时应对这两大挑战，本文提出了一种实例选择（IS）辅助的进化FS算法，命名为ISA-EFS。在ISA-EFS中，首先提出了一种互补特征分组策略，通过该策略在特征组级别而非单特征级别进行搜索，可有效解决“维度灾难”。基于分组策略，设计了两种新的进化（分组导向的交叉和变异）算子，以获得高质量的特征子集。随后，开发了一种新型IS算法，用于选择少量“代表性”实例，并用于高维FS（HDFS）。在ISA-EFS中，所提出的IS和FS算法交替进行。同时，由于IS旨在辅助FS，计算资源逐步从IS转向FS，从而使ISA-EFS所得特征子集的质量持续提升。在12个实例数量众多的高维数据集上的实验结果表明，与六种最先进的FS算法相比，所提出的ISA-EFS在有效性和效率方面均表现出色。
Keyword:
evolutionary computation (EC)
feature selection (FS)
high-dimensional data classification
instance selection (IS)
