采用进化计算的高维多模态特征选择

作     者：丁转莲 胡曦 曹略 孙登第 张兴义 王晨旭 DING Zhuanlian;HU Xi;CAO Lüe;SUN Dengdi;ZHANG Xingyi;WANG Chenxu

作者机构：安徽大学互联网学院合肥230039 安徽大学人工智能学院合肥230601 安徽大学计算机科学与技术学院合肥230601 西安交通大学软件学院西安710049 

出 版 物：《西安交通大学学报》 (Journal of Xi'an Jiaotong University)

年 卷 期：2024年第58卷第9期

页      面：117-128页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金区域创新发展联合基金重点资助项目(U21A20512) 国家自然科学基金资助项目(62076005,62272379) 

主　　题：分类 特征选择 进化计算 多模态多目标优化 高维多模态特征选择 

摘      要：针对特征选择问题中的多模态特性和高维特性,引入新的种群初始化策略对大规模多模态多目标优化算法进行改进,提出了一种基于进化多目标优化的高维多模态特征选择算法。对原始的连续优化算法进行离散化处理,用于评价离散优化问题中的个体,并在6个高维特征选择数据集上进行验证。结果表明:所提算法提升了初始种群的质量并加快了算法的收敛;相比于其他同类算法,所提算法获得了更优的帕累托前沿,其超体积指标值整体最优,并且在不影响分类精度的前提下可获得平均2.53个等效特征子集,表明所提算法具有最好的分类精度和最多样化的等效特征子集。