.png){kind=icon}
返回
Archive-based multiple feature construction method using adaptive genetic programming
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-025-00453-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征质量是影响机器学习算法分类性能的重要因素。基于遗传编程（GP）的特征构造能够自动创建更具判别性的特征，有时能显著提升分类性能。然而，构造单个特征或少量特征可能导致标签与特征间的关联信息不足，进而导致分类性能不佳，因此我们引入了一种多特征构造方法。此外，遗传编程的早熟收敛也可能影响分类性能。本文提出了一种基于存档的多特征构造方法，该方法采用精英存档策略来保存和选择有效的构造特征，并利用自适应策略对遗传编程进行调整，基于适应度值调整交叉和变异概率。在十个数据集上的实验表明，我们提出的基于存档的多特征构造方法在不使用自适应遗传编程的情况下，相比传统的单特征构造方法能显著提升分类性能，而加入自适应策略后，分类性能能够保持或进一步提升。与四种最先进的技术的比较显示，我们提出的方法能显著实现更优的分类性能。
Keyword:
Genetic programming
Feature construction
Adaptive
Multiple features
Classification
期刊
IF:
2.3
论文数:
453
被引数:
718
机构
引用论文
Self-Adaptive Genetic Programming for Manufacturing Big Data Analysis自适应性遗传编程在制造大数据分析中的应用.png)
Symmetry
OAAI
SymmetryIF0
OAAI分享收藏分享收藏Multi-objective genetic programming for feature extraction and data visualizationSOFT COMPUTINGOAAI
SOFT COMPUTINGIF2.5
OAAI分享收藏分享收藏
查看更多内容