基于灰狼-鸟群算法的特征权重优化方法
针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer,GWO)算法和鸟群算法(bird swarm algorithm,BSA)的混合算法,用于特征权重的寻优.首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm,GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值.利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量.
特征权重、灰狼优化(grey wolf optimizer、GWO)算法、鸟群算法(bird swarm algorithm、BSA)、混合算法、问题求解、模式分类
49
U461;TP308(汽车工程)
国家自然科学基金;北京市自然科学基金资助项目
2023-10-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
1088-1098