.png){kind=icon}
返回
Compound strategy based binary willow catkin optimization; feature selection
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-024-04879-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征选择是一项至关重要的预处理技术，它通过删除不相关和冗余的特征来提高机器学习模型的效率和准确性，从而降低计算复杂性和存储成本。然而，现有的二进制群智能算法经常遇到挑战，如陷入局部最优，缺乏足够的收敛性。
mance.本研究提出了一种专门设计的复合二进制柳絮优化 (CBWCO) 算法；
功能选择任务。本文将标准柳絮优化 (WCO) 扩展到其二进制；
m，整合VU形传递函数和复合突变策略以提高适应性；
高、低维数据，同时保持种群多样性，加强全球搜索能力。在来自UCI开源数据库的12个具有不同维度和字段的基准数据集上的实验结果表明，CBWCO优于CBWCO；
ms BWCO (s形) 、二进制灰狼优化 (BGWO) 、二进制粒子群优化 (BPSO) 、二进制差分进化和遗传算法 (GA) 在收敛速度和分类per方面；
大多数数据集的mance。这些结果突出了CBWCO在特征选择方面的潜在优势，并为其在信号识别，故障诊断和医疗康复等领域的未来应用奠定了基础。
Keyword:
Feature selection
Classification
Binary willow catkin optimization
Transfer function
mutation strategy
UCI
期刊
C
IF:
4.1
论文数:
5.1K
被引数:
7.5K
机构
引用论文
A Signal Detection Method for Harmonic Signal Submerged in Complex Noise Background复杂噪声背景下谐波信号的检测方法
PREAI
分享收藏Extracting random forest features with improved adaptive particle swarm optimization for industrial robot fault diagnosis.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏A novel improved particle swarm optimization algorithm based on individual difference evolution
PREAI
分享收藏分享收藏
查看更多内容