特征选择问题中蚁狮优化算法的 S 形与 V 形转移函数比较
人工智能
2017-12-12 v1
摘要
特征选择是分类问题的重要预处理步骤。它处理原始数据集中近最优特征的选择。特征选择是一个 NP 难问题，因此元启发式方法可比精确方法更高效。本工作中，采用近期提出的元启发式算法蚁狮优化器（ALO）作为封装式特征选择方法。提出了六种 ALO 变体，每种均采用一个转移函数将连续搜索空间映射到离散搜索空间。所提方法的性能在十八个 UCI 数据集上测试，并与文献中若干现有方法比较：粒子群优化、引力搜索算法以及两种已有的基于 ALO 的方法。计算实验表明，所提方法能有效探索特征空间并选择最具信息量的特征，有助于提升分类精度。
引用
@article{arxiv.1712.03223,
title = {S-Shaped vs. V-Shaped Transfer Functions for Antlion Optimization Algorithm in Feature Selection Problems},
author = {Majdi Mafarja and Seyedali Mirjalili},
journal= {arXiv preprint arXiv:1712.03223},
year = {2017}
}
备注
7 pages