基于自适应鲸鱼优化算法和容错邻域粗糙集的特征选择算法

作者：孙林^*; 黄金旭; 徐久成; 马媛媛

来源：模式识别与人工智能, 2022, 35(02): 150-165.

DOI：10.16451/j.cnki.issn1003-6059.202202006

• 鲸鱼优化算法(WOA)
• 特征选择
• 邻域粗糙集
• 邻域熵
• 适应度函数

针对传统鲸鱼优化算法(WOA)不能有效处理连续型数据、邻域粗糙集对噪声数据的容错性较差等问题，文中提出基于自适应WOA和容错邻域粗糙集的特征选择算法.首先，为了避免WOA过早陷入局部最优，基于迭代周期构建分段式动态惯性权重，改进WOA的收缩包围和螺旋捕食行为，设计自适应WOA.然后，为了解决邻域粗糙集对噪声数据缺乏容错性的问题，引入邻域内相同决策特征所占的比例，定义容错邻域上下近似集、容错近似精度和近似粗糙度、容错依赖度及容错近似条件熵.最后，基于容错邻域粗糙集构造适应度函数，使用自适应WOA,不断迭代以获取最优子群.高维数据集上采用费雪评分算法进行初步降维，降低算法的时间复杂度.在8个低维UCI数据集和6个高维基因数据集上的实验表明，文中算法可有效选择特征个数较少且分类精度较高的特征子集.

• 单位
  河南师范大学