计算机科学与探索

作者：巢秀琴，李炜

单位：1. 安徽大学 计算智能与信号处理重点实验室，合肥 2300392. 安徽大学 计算机科学与技术学院，合肥 230601

关键词：多目标人工蜂群算法,特征选择,Knee Points,分类算法

在分类问题中，数据之间存在的大量冗余、不相关的特征不仅不能增加分类准确率，反而会降低分类算法执行的速度。特征选择通过最大化分类正确率和最小化特征数来解决这个问题，由于这是两个相互矛盾的目标，因此可以将特征选择问题视为一种多目标优化问题。为了提升特征选择的效率，提出了一种基于Knee Points的改进多目标人工蜂群算法的特征选择方法（artificial bee colony algorithm based on Knee Points， KnABC），设计了一种快速识别Knee Points的方法，并改进了引领蜂和引领蜂算子。与其他经典多目标算法在11个UCI测试数据集上的特征选择实验结果表明，提出的算法在减小分类特征数、增大分类结果准确率方面具有显著效果。

来源：2019年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第2期