微学习单元是微学习过程里的基本学习单位,具有高维性.提取微学习单元适合的特征,保留有代表性的特征,有助于降低冗余,是提高微学习聚类精度的重要方法之一.为获得适合的微学习单元特征、降低计算复杂度,并确保聚类准确性,本研究提出一种改进的骨干粒子群无监督特征选择算法用于选择微学习单元的特征.该方法用互信息构造适应度函数,并采用适应性突变概率策略,以提高算法收敛速度和计算精度.实验表明,该方法有助于提取适合的微学习单元特征,且所提取的特征能够提高微学习单元聚类的准确性.
科研之友
微信
新浪微博
Facebook
分享链接
