.png){kind=icon}
返回
TPFS: A three-phase heuristic feature selection algorithm for large-scale sample datasets
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.112084.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出了一种新颖的三相启发式特征选择算法，命名为TPFS，旨在应对大规模数据压缩和最优特征子集识别的双重挑战。• TPFS首先选择性保留代表性样本，以显著降低内存需求并保留关键数据特征。在超图初始化阶段，它通过求解顶点覆盖问题来增强进化算法，从而获得更稳定的种群和更快的收敛速度。最后，在鲸鱼优化阶段，TPFS采用双模运行方式并整合多种分类器（CART、SVM和KNN），以提升特征选择中的泛化能力和鲁棒性。• 广泛的实验表明，TPFS在七个当前最优算法中表现更优，尤其是在处理大规模样本数据集时，在可扩展性和准确性方面尤为突出。
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
Hybrid binary ant lion optimizer with rough set and approximate entropy reducts for feature selection具有粗糙集和近似熵约简的混合二进制蚂蚁狮子优化器，用于特征选择.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏A Comprehensive Analysis of Nature-Inspired Meta-Heuristic Techniques for Feature Selection Problem
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