文件名称：基于模拟退火斑点鬣狗优化算法的特征选择
文件大小：1.41MB
文件格式：PDF
更新时间：2024-06-27 10:49:18
混合元启发式算法 斑点鬣狗优化 模拟退火 特征选择 数据集
特征选择问题是一个基于某些标准找到最相关子集的过程，针对特征选择中的评价标准，设计了一种将斑点鬣狗优化(spotted hyena optimization, SHO)算法与模拟退火算法(simulated annealing, SA)相结合的混合模型来解决上述问题，以增强每次迭代后SHO找到的最优解，并通过UCI存储库中的8个数据集来评估优化算法的性能。实验结果表明：SASHO混合算法的表现不仅优于原始SHO算法，而且与其他优化算法相比，提高了分类精度并减少了所选特征的个数，在空间搜索和特征属性选择方面具有一定的工程实用价值。