基于邻域粗糙集和海洋捕食者算法的特征选择方法

作者：龚荣; 谢宁新^*; 李德伦; 何雪东

来源：微电子学与计算机, 2022, 39(09): 35-45.

DOI：10.19304/J.ISSN1000-7180.2022.0043

• 海洋捕食者算法
• 邻域粗糙集
• 邻域依赖度
• 特征选择

针对粗糙集模型中特征选择方法存在计算开销大、不能直接处理连续数据，以及海洋捕食者算法(MPA)处理优化问题仍存在收敛速度慢、易陷入局部最优等问题，提出了基于邻域粗糙集(NRS)和海洋捕食者算法的特征选择方法.首先，使用基于Tent混沌映射的反向学习和高斯扰动策略对原算法改进得到IMPA,再构建一种传输机制形成一种二进制算法；然后，基于邻域依赖度和特征子集长度构造适应度函数，使用IMPA不断迭代搜索出最优特征子集，设计一种元启发式特征选择算法.最后，在9个基准测试函数上评估IMPA的优化性能以及在UCI数据集上评估特征选择算法的分类能力.实验结果表明，在9个基准测试函数上IMPA的平均值、标准差明显优于粒子群优化算法(PSO)和樽海鞘算法(SSA);在UCI数据集上，同基于粗糙集的优化特征选择算法、基于邻域粗糙集的优化特征选择算法相比，所提的特征选择方法在KNN分类器下的分类精度平均值分别提高了10.28～14.13个百分点、2.71～12.11个百分点，在CART分类器下的分类精度平均值分别提高了9.41～13.24个百分点、2.90～12.31个百分点.

• 单位
  广西民族大学