科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统正余弦算法处理复杂优化问题时存在易得局部最优和收敛速度慢的不足，提出一种基于惯性权重与柯西混沌变异的改进正余弦算法IWCCSCA。算法设计了指数函数的曲线自适应振幅调整因子更新方法，用于均衡个体的全局搜索与局部开发能力；设计了自适应递减惯性权重更新机制，改进个体位置更新，加快算法收敛速度；设计了精英柯西混沌变异的个体扰动机制，提升种群多样性，避免局部最优。利用八种基准函数寻优测试证实IWCCSCA算法能够有效提升收敛速度和寻优精度。进一步将IWCCSCA算法应用于针对数据原始特征集中的特征子集选取问题，提出了基于IWCCSCA的特征选择算法IWCCSCA-FS。通过将正余弦函数的连续优化转换为特征选择的二进制优化，实现个体位置与特征子集间的映射关系，以同步考虑特征选择量与分类准确率的适应度函数评估侯选解质量。通过UCI基准数据集的测试，证实IWCCSCA-FS算法可以有效选择最优特征子集，降低特征维度，提高数据分类准确率。
- 出版日期2021-9-27
- 单位浙江大学
