基于改进离散型萤火虫群优化算法和分形维数的属性选择方法

被引：31

作者：

倪志伟

肖宏旺

伍章俊

薛永坚

机构：

[1] 合肥工业大学管理学院

[2] 过程优化与智能决策教育部重点实验室

来源：

模式识别与人工智能 | 2013年 / 26卷 / 12期

关键词：

属性选择; 分形维数; 萤火虫群优化算法;

D O I：

10.16451/j.cnki.issn1003-6059.2013.12.009

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

属性选择是数据挖掘领域中数据预处理的一个重要方法.文中提出一种融合离散型萤火虫群优化算法(DGSO)与分形维数的属性选择方法.该方法以分形维数作为属性子集的评估度量准则,以DGSO作为搜索策略.为分析该方法的可行性和有效性,采用6个UCI数据集进行实验.结合10-fold交叉验证和SVM对属性选择前后的分类准确率进行分析,并进行搜索策略和评估度量准则间的性能对比及详细的参数分析.结果表明该方法具有较高的可行性和有效性.

引用

页码：1169 / 1178

页数：10

共 11 条

[1] 求解TSP问题的离散型萤火虫群优化算法 [J].

周永权 ;

黄正新 ;

刘洪霞 .

电子学报, 2012, 40 (06) :1164-1170

[2] 自适应步长萤火虫群多模态函数优化算法 [J].

黄正新 ;

周永权 .

计算机科学, 2011, 38 (07) :220-224

[3] 变步长自适应萤火虫群多模态函数优化算法 [J].

黄正新 ;

周永权 .

计算机工程与应用 , 2012, (08) :43-47

[4] 基于分形维数和蚁群算法的属性选择方法 [J].

倪丽萍 ;

倪志伟 ;

吴昊 ;

叶红云 .

模式识别与人工智能, 2009, 22 (02) :293-298

[5] 一种高效的分形属性选择算法 [J].

闫光辉 .

兰州交通大学学报, 2007, (01) :6-10+25

[6] 一种基于分形维的快速属性选择算法 [J].

鲍玉斌 ;

王琢 ;

孙焕良 ;

于戈 .

东北大学学报, 2003, (06) :527-530

[7]

Hybrid Artificial Glowworm Swarm Optimization Algorithm for Solving Multi-dimensional Knapsack Problem[J] . Qiaoqiao Gong,Yongquan Zhou,Qifang Luo.Procedia Engineering . 2011

[8]

Artificial Glowworm Swarm Optimization Algorithm for Solving 0-1 Knapsack Problem[J] . Gong Qiao Qiao,Zhou Yong Quan,Yang Yan.Advanced Materials Research . 2011 (143)

[9] Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions [J].

Krishnanand K.N. ;

Ghose D. .

Swarm Intelligence, 2009, 3 (2) :87-124

[10]

Feature selection based on rough sets and particle swarm optimization[J] . Xiangyang Wang,Jie Yang,Xiaolong Teng,Weijun Xia,Richard Jensen.Pattern Recognition Letters . 2006 (4)

← 1 2 →