.png){kind=icon}
返回
Multi-strategy improved Parrot optimization for feature engineering in machine learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05613-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元启发式算法已成为解决机器学习系统中复杂优化挑战的关键工具，尤其是在处理复杂优化问题时，相比传统优化算法更为有效。鹦鹉优化算法（PO）是近年来开发的一种高效优化算法，相比许多经典算法具有一定优势。然而，在处理混合变量问题和机器学习场景时，如不平衡数据分布下的特征子集选择，其性能仍不理想。为克服这些局限性，本文提出了四种增强策略：环形混沌映射策略、新颖的社会通信策略、融合射线折射对立学习（FRR-OBL）以及新颖的繁殖行为策略。基于这些改进策略，提出了多策略改进的鹦鹉优化算法（MPO）。对MPO的收敛精度、速度和鲁棒性进行了如下评估：使用23个基准函数和CEC2022，在11种流行算法上进行了比较实验。通过比较这11种竞争算法，证明了MPO的优势。本研究提出的MPO算法解决了PO算法的不足，在识别最优特征子集和提升特征选择任务中的分类精度方面表现出更优性能。
Keyword:
Parrot optimization
Novel social communication strategy
Novel reproductive behavior strategy
Feature selection problem
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
DGS-SCSO: Enhancing Sand Cat Swarm Optimization with Dynamic Pinhole Imaging and Golden Sine Algorithm for improved numerical optimization performanceDgs-scso: 通过动态针孔成像和黄金正弦算法增强沙猫群优化，以提高数值优化性能
OAAI
OAAI分享收藏
Draco lizard optimizer: a novel metaheuristic algorithm for global optimization problemsDraco lizard optimizer：一种用于全局优化问题的全新元启发式算法
PREAI
分享收藏Innovation and geographic spread of a complex foraging culture in an urban parrot城市鹦鹉中复杂觅食文化的创新和地理传播.png)
ScienceOAAI
ScienceIF0
OAAI分享收藏Eurasian lynx optimizer: a novel metaheuristic optimization algorithm for global optimization and engineering applications欧亚猞猁优化器：一种用于全局优化和工程应用的新型元启发式优化算法
PREAI
分享收藏
查看更多内容