采用进化计算的高维多模态特征选择

摘要

针对特征选择问题中的多模态特性和高维特性，引入新的种群初始化策略对大规模多模态多目标优化算法进行改进，提出了一种基于进化多目标优化的高维多模态特征选择算法。对原始的连续优化算法进行离散化处理，用于评价离散优化问题中的个体，并在6个高维特征选择数据集上进行验证。结果表明：所提算法提升了初始种群的质量并加快了算法的收敛；相比于其他同类算法，所提算法获得了更优的帕累托前沿，其超体积指标值整体最优，并且在不影响分类精度的前提下可获得平均2.53个等效特征子集，表明所提算法具有最好的分类精度和最多样化的等效特征子集。

关键词

分类 / 特征选择 / 进化计算 / 多模态多目标优化 / 高维多模态特征选择

基金资助

国家自然科学基金区域创新发展联合基金重点资助项目(U21A20512); 国家自然科学基金资助项目(62076005,62272379)