.png){kind=icon}
返回
Binary Fox Optimization Algorithm for Feature Selection
.png){kind=icon}
PRE
AI
DOI：10.2478/cait-2026-0009.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
迫切需要能够有效改进算法精度提升过程中特征选择的算法。因此，本文提出了一种用于二元分类的新特征选择算法，称为二元狐狸优化特征选择（BFOXFS），其中BFOXFS与用于二元分类的KNN算法相结合，并将分类误差用作所提出的BFOXFS的目标函数。为进行评估，BFOXFS与二元粒子群优化特征选择（BPSOFS）以及二元灰狼优化算法的两个版本（BGW1FS和BGW2FS算法）进行了比较。实验结果表明，BFOXFS在特征缩减方面具有优越性，它选择具有较低适应度值的较少特征，与其他算法相比更为突出。此外，BFOXFS具有更好的收敛能力，擅长寻找最优值，从而产生更可靠且高效的优化算法。它非常适合在实际问题中实施。
Keyword:
Fox optimization algorithm
Feature selection
Binary feature selection
期刊
C
IF:
1.1
论文数:
25
被引数:
585
机构
引用论文
暂无论文信息