一种带分形维数约束的轻量烟花算法用于特征选择
机器学习
2023-03-13 v1 人工智能
神经与进化计算
摘要
随着机器人技术的普及，海量视觉数据导致数据维度急剧增加。尽管深度学习方法能有效处理这些高维视觉数据，但受计算资源限制，一些特殊场景仍依赖传统机器学习方法。然而，这些高维视觉数据给传统机器学习方法带来巨大挑战。因此，我们提出一种带分形维数约束的轻量烟花算法（LFWA+FD）用于特征选择，并用其解决由机器人视觉驱动的特征选择问题。LFWA+FD 通过简化烟花算法并借助分形维数约束所选特征的维数来搜索理想特征子集，进而减少近似特征并降低原始数据中的噪声以提升模型精度。来自 UCI 的两个公开数据集的对比实验结果表明，所提方法能有效选择对模型推理有用的特征子集，并去除原始数据中大量存在的噪声以提升性能。
引用
@article{arxiv.2303.05516,
title = {A Lite Fireworks Algorithm with Fractal Dimension Constraint for Feature Selection},
author = {Min Zeng and Haimiao Mo and Zhiming Liang and Hua Wang},
journal= {arXiv preprint arXiv:2303.05516},
year = {2023}
}
备注
International Conference on Pharmaceutical Sciences 2023