科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统K近邻(K-nearest Neighbor)方法用于数据分类存在分类精度低的问题，本文将特征选择与KNN分类方法结合，并利用改进海洋捕食者算法对数据特征进行优化研究。首先，使用领域学习提供丰富邻域位置信息扩大海洋捕食者的搜索范围，引入维度变异机制增加种群多样性避免过早陷入局部最优，利用正余弦扰动算子和跳跃步长控制因子更新捕食者位置，加强全局搜索和局部搜索能力。其次，本文将特征选择对象作为优化目标，获得所选的最优特征子集。最后，通过对14个经典测试函数优化测试和14组经典数据集的分类研究，在优化性能、平均特征子集数和平均分类精度进行对比研究，实验结果表明本文所提算法能够有效降低冗余特征干扰，实现特征提纯，在数据挖掘中具有广阔的应用前景。
- 出版日期2022-4-29
- 单位贵州大学
