Enhanced particle swarm optimization based on network structure for feature selection

doi:10.1007/s40747-025-02088-0

Enhanced particle swarm optimization based on network structure for feature selection

2025-10-24

0

OA

AI

DOI：10.1007/s40747-025-02088-0

原文链接

原文求助

摘要

En 中文

特征选择在分类和聚类任务中扮演着至关重要的角色，尤其是在高维数据不断积累的背景下。近年来，许多进化算法被开发出来，从单目标或多目标的角度解决特征选择（FS）问题。其中，基于粒子群优化（PSO）的方法因PSO的高效性和强大的搜索能力而表现出卓越性能。然而，现有的PSO方法往往忽视了特征之间的复杂关系，这些关系包含有价值的信息并可能增强搜索过程。为解决此局限性，我们提出利用特征空间中隐藏的关系模式来改进PSO和基于多目标粒子群优化（MOPSO）的单目标和多目标特征选择问题。在先前的工作中，复杂的特征关系已被表示为特征网络，其中重要的关系模式被突出为特征网络的结构特征。在此基础上，我们将这些结构特征整合到PSO和MOPSO中，形成了两种基于网络的PSO：NetG-PSO和NetG-MOPSO。在10个数据集上的实验结果表明，所提出的NetG-PSO和NetG-MOPSO优于基线方法。

Keyword:

Feature selection

Particle Swarm optimization

Network structure

Multi-objective problem

Evolutionary algorithm

Enhanced particle swarm optimization based on network structure for feature selection

摘要

期刊

机构

引用论文