.png){kind=icon}
返回
An intelligent feature selection framework using enhanced teaching-learning-based optimization through superior learners interaction
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06313-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征选择因其非确定性多项式时间特性而构成严峻的优化挑战，尽管其在通过消除冗余和不相关特征来开发高精度、低复杂度机器学习模型中扮演着关键角色。基于教学-学习优化的算法（TLBO）以其强大的全局搜索能力著称，但在处理复杂优化问题时常常面临早熟收敛问题。本文提出了一种增强型变体，即基于多优越学习者交互的教学-学习优化算法（TLBO-MSLI），旨在作为基于包装器的特征选择框架内的复杂全局搜索算法。TLBO-MSLI通过改进教师和学习者阶段，实现了探索-开发平衡的显著方法学进步，从而为数据驱动模型开发中的高效流程创新做出贡献。多优越学习者引导的教师阶段通过多样化的方向见解实现个性化指导，而多同级增强引导的学习者阶段通过与非精英同级的交互促进更深、更有效的知识交换。在二十个基准数据集上的广泛仿真研究表明，TLBO-MSLI在十三个数据集上达到最高分类精度，在另外三个数据集上排名第二；同时，在十个数据集上选择了最小的特征子集，在另外四个数据集上排名第二，超越了十一种先进的元启发式搜索算法。这些结果证实了TLBO-MSLI的优越性能、一致性和广泛适用性，并突显了其通过提高计算效率和优化资源利用来增强经济生产力的潜力。
Keyword:
Classification
Feature Selection
Metaheuristic Search Algorithm
Superior Learners
Teaching- Learning-Based Optimization
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
.png){kind=icon}
Binary dragonfly optimization for feature selection using time-varying transfer functions使用时变传递函数进行特征选择的二进制蜻蜓优化
OAAI
OAAI分享收藏WHHO: enhanced Harris hawks optimizer for feature selection in high-dimensional dataWHHO: 用于高维数据特征选择的增强型Harris hawks优化器
PREAI
分享收藏Simultaneously feature selection and parameters optimization by teaching-learning and genetic algorithms for diagnosis of breast cancer通过教学和遗传算法同时进行特征选择和参数优化，以诊断乳腺癌
PREAI
分享收藏分享收藏Feature selection using game Shapley improved grey wolf optimizer for optimizing cancer classification基于改进游戏Shapley灰狼优化算法的癌症分类特征选择优化
PREAI
分享收藏Multi-strategy ensemble grey wolf optimizer and its application to feature selection多策略集成灰狼优化器及其在特征选择中的应用
PREAI
分享收藏
查看更多内容