基于模糊粒度条件熵与改进萤火虫算法的特征选择方法

摘要

提出了一种基于模糊粒度条件熵与改进萤火虫算法(firefly algorithm, FA)的特征选择方法FS＿FGCEIFA。将模糊粗糙集中的知识粒度与λ-条件熵结合，提出模糊粒度条件熵这一新的信息熵模型；将模糊粒度条件熵应用于FA中，提出一种基于模糊粒度条件熵的适应度函数；采用引力搜索算法中粒子惯性质量和万有引力的计算策略来调整FA中萤火虫的亮度和吸引力，并且将基于引力搜索的自适应步长因子融入FA的位置更新中。在多个UCI数据集以及软件缺陷预测数据集上的实验表明，FS＿FGCEIFA能够获得更好的分类性能。

关键词

特征选择 / 萤火虫算法 / 引力搜索算法 / 模糊粒度条件熵 / 模糊粗糙集

基金资助

国家自然科学基金资助项目(62172249); 山东省自然科学基金资助项目(ZR2022MF326)