多目标优化在特征选择子集评价中的应用

【文件属性】：
文件名称：多目标优化在特征选择子集评价中的应用
文件大小：1.86MB
文件格式：PDF
更新时间：2021-04-30 14:31:57
特征选择 多目标优化 粒子群优化 特征选择是处理高维大数据常用的降维手段，但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中，优化子集性能，提出一种基于子集评价多目标优化的特征选择框架，并重点对多目标粒子群优化（MOPSO）在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数，继而基于多目标优化算法进行特征权值向量寻优，并通过权值向量Pareto解集膝点选取确定最优向量，最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择（FS_MOPSO）与四种经典方法的性能，多个数据集上的结果表明，FS_MOPSO在低维空间表现出更高的分类精度，并保证了更少的信息损失。