.png){kind=icon}
返回
Binary glider snake optimization for feature selection
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06427-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征选择在涉及高维数据集的机器学习应用中发挥着关键作用，冗余和不相关特征可能会降低预测性能并增加计算复杂度。本文提出了一种二进制适应的滑翔蛇优化（GSO）算法，即二进制滑翔蛇优化（BGSO），用于特征选择问题。受树栖蛇的滑翔和运动行为启发，所提出的方法将GSO的连续搜索机制扩展到二进制优化。为改进搜索过程，BGSO整合了一种双引导学习策略，利用最佳解决方案和邻近智能体信息，促进种群内有效信息传播。此外，采用自适应弱智能体替换机制以保持种群多样性并缓解早熟收敛。所提出的方法在多个基准分类数据集上进行评估，并与代表性二进制元启发式算法进行比较。实验结果（由统计分析支持）表明，BGSO能够识别紧凑的特征子集，同时保持有竞争力的分类性能。这些发现表明，所提出的二进制适应为解决高维特征选择问题提供了一种有效的替代方案。
Keyword:
Feature selection
Binary optimization
Metaheuristic algorithms
Glider snake optimization
Wrapper model
期刊
IF:
2.9
论文数:
225
被引数:
1.1K
机构
暂无机构信息
引用论文
Three-dimensional path planning with enhanced gravitational search algorithm for unmanned aerial vehicle基于增强引力搜索算法的三维路径规划无人 aerial vehicle.png)
Robotica
RoboticaIF0
PREAI
分享收藏分享收藏Binary grey wolf optimization approaches for feature selection基于二进制灰狼优化的特征选择方法NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏A comprehensive survey on recent feature selection methods for mixed data: Challenges, solutions and future directionsNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏A survey on feature selection techniques for biomedical data: Methods and applicationsNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏A Novel Method for Image Segmentation Based on Simplified Pulse Couple Neural Network and Gbest Led Gravitational Search Algorithm基于简化脉冲耦合神经网络和Gbest Led引力搜索算法的图像分割新方法IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容