基于粒度粗糙熵與改進(jìn)蜂群算法的特征選擇

編號(hào)：NMJS08815

篇名：基于粒度粗糙熵與改進(jìn)蜂群算法的特征選擇

作者：孫雅芝 江峰 楊志勇

關(guān)鍵詞： 知識(shí)粒度 粒度粗糙熵 云模型 人工蜂群算法 特征選擇

機(jī)構(gòu)： 青島科技大學(xué)信息科學(xué)與技術(shù)學(xué)院

摘要： 經(jīng)典的人工蜂群(artificial bee colony, ABC)算法面臨著收斂速度慢、易陷入局部最優(yōu)等不足,因此基于該算法來進(jìn)行特征選擇還存在很多問題.對(duì)此,提出了一種基于粒度粗糙熵與改進(jìn)蜂群算法的特征選擇方法FS_GREIABC.首先,將粗糙集中的知識(shí)粒度與粗糙熵有機(jī)地結(jié)合起來,提出一種新的信息熵模型——粒度粗糙熵;其次,將粒度粗糙熵應(yīng)用于ABC算法中,提出一種基于粒度粗糙熵的適應(yīng)度函數(shù),從而獲得了一種新的適應(yīng)度計(jì)算策略;第三,為了提高ABC算法的局部搜索能力,將云模型引入到跟隨蜂階段.在多個(gè)UCI數(shù)據(jù)集以及軟件缺陷預(yù)測(cè)數(shù)據(jù)集上的實(shí)驗(yàn)表明,相對(duì)于現(xiàn)有的特征選擇算法, FS_GREIABC不僅能夠選擇較少的特征,而且具有更好的分類性能.