计算机应用

作者：贾鹤鸣, 姜子超, 李瑶, 孙康健

单位：1. 三明学院 信息工程学院, 福建 三明 365004;2. 东北林业大学 机电工程学院, 哈尔滨 150040

关键词：斑点鬣狗优化算法,差分进化,混沌初始化,锦标赛选择,支持向量机,封装式特征选择

基金：教育部产学合作协同育人项目（202002064014）；福建省教育厅中青年教师教育科研项目（JAT200618）；三明市科技计划引导性项目（2020-G-61）；三明学院引进高层次人才科研启动经费支持项目（20YG14）；三明学院科学研究发展基金资助项目（B202009）；三明学院高教研究课题（SHE2013）；福建省农业物联网应用重点实验室开放研究基金资助项目（ZD2101）。

针对传统支持向量机（SVM）在封装式特征选择中分类精度低、特征子集选择冗余以及计算效率差的不足，利用元启发式优化算法同步优化SVM与特征选择。为改善SVM分类效果以及选择特征子集的能力，首先，利用自适应差分进化（DE）算法、混沌初始化与锦标赛选择策略对斑点鬣狗优化（SHO）算法改进，以增强其局部搜索能力并提高其寻优效率与求解精度；其次，将改进后的算法用于特征选择与SVM参数调整的同步优化中；最后，在UCI数据集进行特征选择仿真实验，采取分类准确率、选择特征数、适应度值及运行时间来综合评估所提算法的优化性能。实验结果证明，改进算法的同步优化机制能够在高分类准确率下降低特征选择的数目，该算法比传统算法更适合解决封装式特征选择问题，具有良好的应用价值。

来源：2021年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第5期