典型文献
一种求解数据特征选择问题的改进樽海鞘群算法
文献摘要：
高维数据通常包含大量冗余特征,为了更好地选择数据集中的有效特征,提出了 一种解决高维数据特征选择问题的量子樽海鞘群算法.在函数优化问题上与粒子群算法、正余弦算法、蝴蝶优化算法和飞蛾火焰算法等智能优化算法进行仿真比较,结果表明,量子樽海鞘群算法能够在9个测试函数上更好的求解函数最优值问题;在数据特征选择问题上与标准樽海鞘群算法和其他改进樽海鞘群算法进行仿真性能比较,通过结合最近邻(KNN)分类器到改进樽海鞘群算法中,能够更好地选择高维数据集中的有效特征,在保证分类精度的情况下有效选择数据的特征数目.
文献关键词：
樽海鞘群算法;动态对立学习;Cauchy变异;最近邻
中图分类号：
作者姓名：
王立威;童林;邹圆
作者机构：
六盘水师范学院物理与电气工程学院,贵州六盘水553004;重庆工商大学经济学院,重庆南岸400067
文献出处：
引用格式：
[1]王立威;童林;邹圆-.一种求解数据特征选择问题的改进樽海鞘群算法)[J].六盘水师范学院学报,2022(02):112-120
A类：
动态对立学习
B类：
解数,数据特征,特征选择,樽海鞘群算法,高维数据,数据通,冗余特征,有效特征,函数优化问题,粒子群算法,正余弦算法,蝴蝶优化算法,飞蛾,火焰,智能优化算法,仿真比较,测试函数,最优值,真性,性能比较,最近邻,KNN,分类器,分类精度,特征数,Cauchy
AB值：
0.312047
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
