特征選擇是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的一項(xiàng)重要任務(wù),能夠降低數(shù)據(jù)的維度,提高學(xué)習(xí)算法的性能。進(jìn)化計(jì)算算法通過模擬自然界生物進(jìn)化機(jī)制完成搜索問題的最優(yōu)解決方案,近年來在特征選擇問題中得到了廣泛應(yīng)用,并取得了一定的成功。首先介紹了特征選擇的基本框架;然后從進(jìn)化計(jì)算特征選擇方法的搜索機(jī)制、子集評(píng)價(jià)策略和目標(biāo)數(shù)等方面進(jìn)行了分析和總結(jié);最后討論了當(dāng)前基于進(jìn)化計(jì)算的特征選擇方法面臨的問題和挑戰(zhàn)以及未來進(jìn)一步的研究方向。 

【文章來源】：鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2020,41(01)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

特征選擇的基本框架

與傳統(tǒng)方法相比，基于種群的EC算法能并行搜索多個(gè)解，利用計(jì)算機(jī)技術(shù)自動(dòng)搜索解決方案，不需要問題領(lǐng)域先驗(yàn)知識(shí)�；谶@些優(yōu)點(diǎn)，EC在特征選擇上獲得較大成功[11]。EC在特征選擇上的應(yīng)用研究始于1990年左右，但是自2007年以來，隨著許多領(lǐng)域的特征數(shù)量逐漸增多，EC技術(shù)以其強(qiáng)大的全局搜索能力而受到特征選擇領(lǐng)域的廣泛關(guān)注。如圖2所示。圖2顯示EC算法在特征選擇上應(yīng)用的論文數(shù)量(數(shù)據(jù)來源Web of Science,2018.12)，這表明自2007年以來，進(jìn)化計(jì)算在特征選擇上的應(yīng)用呈整體增長(zhǎng)趨勢(shì)。筆者對(duì)進(jìn)化計(jì)算在特征選擇上的代表性研究工作進(jìn)行討論，并對(duì)進(jìn)化計(jì)算在單目標(biāo)、多目標(biāo)特征選擇上的研究工作分別進(jìn)行詳細(xì)的介紹。

【參考文獻(xiàn)】：
期刊論文
[1]進(jìn)化算法在大規(guī)模優(yōu)化問題中的應(yīng)用綜述[J]. 梁靜,劉睿,瞿博陽,岳彩通.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[2]帶約束小生境二進(jìn)制粒子群優(yōu)化的生物組學(xué)數(shù)據(jù)集成特征選擇[J]. 楊峻山,周家銳,朱澤軒,紀(jì)震.  信號(hào)處理. 2016(07)



本文編號(hào)：3496205