一种基于二进制马群优化算法的高效高维基因选择方法用于生物数据分类
机器学习
2023-11-30 v2
摘要
马群优化算法（HOA）是一种基于不同年龄马匹行为的新元启发式算法。HOA 近期被提出用于解决复杂高维问题。本文提出马群优化算法的二进制版本（BHOA），以解决离散问题并选择显著特征子集。此外，本研究提供了一种基于 BHOA 与最小冗余最大相关（MRMR）过滤方法的新型混合特征选择框架。这种计算效率更高的混合特征选择能产生有益的相关且具信息量的特征子集。由于特征选择是二进制问题，我们应用了一种称为 X 形传递函数（TF）的新传递函数，将连续问题转化为二进制搜索空间。进而，利用支持向量机（SVM）在十个微阵列数据集（即 Lymphoma、Prostate、Brain-1、DLBCL、SRBCT、Leukemia、Ovarian、Colon、Lung 和 MLL）上检验所提方法的效率。相较于其他前沿方法，如灰狼算法（GW）、粒子群优化（PSO）和遗传算法（GA），所提混合方法（MRMR-BHOA）在准确率和最少选中特征方面表现出更优性能。实验结果表明，X 形 BHOA 方法也优于其他方法。
引用
@article{arxiv.2308.09791,
title = {An Efficient High-Dimensional Gene Selection Approach based on Binary Horse Herd Optimization Algorithm for Biological Data Classification},
author = {Niloufar Mehrabi and Sayed Pedram Haeri Boroujeni and Elnaz Pashaei},
journal= {arXiv preprint arXiv:2308.09791},
year = {2023}
}