.png){kind=icon}
返回
Multiobjective whale optimization algorithm-based feature selection for intelligent systems
.png){kind=icon}
PRE
AI
DOI：10.1002/int.22979.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
关于当代数据集的大维度和智能系统的有限计算时间，减小数据集的维度是必要的。特征选择是去除一组冗余的、不相关的和有噪声的特征的实用方法。这样，决策过程的速度将得到提高，同时决策的准确性将得到保留。为此，该主题吸引了众多关注，因此，提出了广泛的方法。关于特征选择概念的目标，该领域中提出的算法必须快速且准确。因此，本文提出了一种光同时准确的算法来实现上述目标。该算法利用鲸鱼优化算法 (WOA) 的速度优势，提出了一种新颖的智能系统特征选择方法。此外，为了达到准确性的目标，所提出的策略考虑了三个重要的适应性目标，即所选特征的数量，分类的准确性和信息增益。所提出的方案考虑了精确的多目标适应度函数，而不是操纵基本算法。原因是改进基本算法，在我们的例子中是WOA，可能会导致加载更多的计算复杂性。同时，为了使算法尽可能的轻便，本文将K-近邻算法作为主分类器。所提出的光特征选择算法在不同的数据集上运行。实验结果表明，该算法在减少特征数量的同时，保留了分类精度，在某些情况下甚至提高了分类精度。
Keyword:
feature selection
information gain
intelligent systems
K-nearest neighbor
whale optimization algorithm
期刊
IF:
3.7
论文数:
3.1K
被引数:
8.1K
机构
引用论文
Hydrological cycling optimization-based multiobjective feature-selection method for customer segmentation基于水文循环优化的多目标特征选择客户细分方法
PREAI
分享收藏A comprehensive survey on recent metaheuristics for feature selection对最近用于特征选择的元启发式方法的综合调查.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏A novel multi-objective forest optimization algorithm for wrapper feature selection一种新的包装器特征选择的多目标森林优化算法
PREAI
分享收藏An interactive filter-wrapper multi-objective evolutionary algorithm for feature selection一种用于特征选择的交互式filter-wrapper多目标进化算法
PREAI
分享收藏Feature selection using bare-bones particle swarm optimization with mutual information基于互信息的裸机粒子群优化算法的特征选择PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容