用于特征选择的改进二进制蝙蝠算法

二进制蝙蝠算法(BBA)是模仿蝙蝠狩猎行为的一种启发式特征选择算法,具有收敛快、模型简单、鲁棒性好的特点。但算法容易出现停滞问题,易陷入局部最优。为此,文中提出了改进的二进制蝙蝠算法(ABBA)。利用种群熵进行传递函数的改进,使得传递函数在适应算法收敛过程的同时赋予算法跳出停滞的能力。其次,加入辅助改进,用于保持算法的收敛性,加速收敛。最后,采用K近邻分类器在22个UCI数据集上进行了与6个较新特征选择算法的对比实验,各项实验结果表明,ABBA的分类准确率和可靠性相比,BA算法均有明显提高,并且在大部分数据集上优于6个其他特征选择算法。ABBA是一种有竞争力的特征选择算法,可以作为机器学习、数据挖掘等领域的有效数据预处理手段。