51吃瓜官网,51吃瓜官网全网最新|51吃瓜官网下载_51吃瓜黑料字幕

近日，自動(dòng)化與電子工程學(xué)院鞏敦衛(wèi)教授與中國礦業(yè)大學(xué)宋賢芳博士、張勇教授等在高維流特征選擇領(lǐng)域取得研究進(jìn)展，成果論文“Astreamingfeatureselectionmethodbased ondynamicfeatureclustering andparticleswarmoptimization”發(fā)表在中科院一區(qū)、Top期刊《IEEE Transactions on Evolutionary Computation》上。

針對(duì)流特征選擇問題，論文提出了基于動(dòng)態(tài)特征聚類和粒子群優(yōu)化的流特征選擇方法。該方法利用在線相關(guān)性分析快速去除不相關(guān)特征，初步減少新到達(dá)特征組的特征規(guī)模；采用增量特征聚類技術(shù)將特征組中的冗余特征聚集，縮減后續(xù)進(jìn)化優(yōu)化算法的搜索空間；基于聚類后的特征空間,利用歷史信息驅(qū)動(dòng)的整型粒子群算法搜索最優(yōu)特征子集。

該成果融合了特征聚類技術(shù)和粒子群優(yōu)化算法，在12個(gè)不同難度的典型數(shù)據(jù)集上進(jìn)行了3組實(shí)驗(yàn)。結(jié)果表明，在大多數(shù)情況下，所提算法能夠在合理的時(shí)間內(nèi)獲得更高的分類精度，具有明顯的在線流特征選擇優(yōu)勢。

論文信息：

SongXianfang, Ma Hao, Zhang Yong*, Gong Dunwei*, Guo Yinan, Hu Ying, Astreamingfeatureselectionmethodbased ondynamicfeatureclustering andparticleswarmoptimization, IEEE Transactions on Evolutionary Computation, 2024, DOI:10.1109/TEVC.2024.3451688.