一种人工蜂群算法优化的邻域粗糙集特征选择方法

作者：季雨瑄; 叶军^*; 杨震宇; 敖家欣

来源：郑州大学学报(理学版）, 2023, 55(06): 55-62+70.

DOI：10.13705/j.issn.1671-6841.2022227

• 邻域决策系统
• 分辨矩阵
• 人工蜂群算法
• 特征选择
• 特征重要度

在邻域粗糙集模型中，由于计算邻域及正域的工作量较大，因此，对邻域决策表进行特征选择或降维具有较高的时间复杂度。特别是随着邻域决策表维数的增多，计算工作量呈指数级增加。针对此类问题，引入人工蜂群算法进行优化。首先，给出了一种邻域粗糙集分辨矩阵特征重要性度量方法；其次，以邻域分辨矩阵特征重要度为启发因子构造了适应度函数，新的适应度函数增加了启发信息；最后，设计了一种人工蜂群算法优化的特征选择算法。UCI数据集对比实验结果与分析表明，与原有的邻域特征选择算法相比，新算法减少了迭代次数，加快了收敛速度，并且能够有效寻找到最小特征子集。

• 单位
  南昌工程学院; 江西省水信息协同感知与智能处理重点实验室