基于粗糙集和蚁群优化算法的特征选择方法

被引：19

作者：

王璐

邱桃荣

何妞

刘萍

机构：

[1] 南昌大学计算机系

来源：

南京大学学报(自然科学版) | 2010年 / 46卷 / 05期

关键词：

粗糙集; 特征选择; 蚁群算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

特征选择在许多领域特具有重要的作用.本文将粗糙集方法和蚁群优化算法相结合,提出一种基于粗糙集蚁群优化方法的特征选择的算法.该算法以属性依赖度和属性重要度作为启发因子应用于转移规则中,用粗糙集方法的分类质量和特征子集的长度构建信息素更新策略.通过对数据集的测试,结果表明所提出的方法是可行的.

引用

页码：487 / 493

页数：7

共 6 条

[1] 基于遗传算法的文档聚类算法的设计与仿真(英文) [J].

魏建香 ;

刘怀 ;

苏新宁 .

南京大学学报(自然科学版), 2009, 45 (03) :432-438

[2] 一种基于级联模型的类别不平衡数据分类方法 [J].

刘胥影 ;

吴建鑫 ;

周志华 .

南京大学学报(自然科学版), 2006, (02) :148-155

[3] 一种自适应蚁群算法及其仿真研究 [J].

王颖 ;

谢剑英 .

系统仿真学报, 2002, (01) :31-33

[4] Object detection using feature subset selection [J].

Sun, ZH ;

Bebis, G ;

Miller, R .

PATTERN RECOGNITION, 2004, 37 (11) :2165-2176

[5] An improved branch and bound algorithm for feature selection [J].

Chen, XW .

PATTERN RECOGNITION LETTERS, 2003, 24 (12) :1925-1933

[6] Rough set-aided keyword reduction for text categorization [J].

Chouchoulas, A ;

Shen, Q .

APPLIED ARTIFICIAL INTELLIGENCE, 2001, 15 (09) :843-873

← 1 →