采用改进黑猩猩优化算法的特征选择

针对黑猩猩优化算法在勘探阶段可能会陷入局部最优的缺点,提出了一种改进的黑猩猩优化算法。首先计算适应度值最高和最低的黑猩猩之间的斯皮尔曼等级相关系数,然后采用甲虫天线搜索算法使得适应度值低的黑猩猩获得嗅觉能力,以提高适应度值低的黑猩猩的局部勘探开发能力。同时为解决传统支持向量机在封装式特征选择中分类精度较差的问题,将改进后的黑猩猩优化算法与支持向量机相结合,实现同步优化。为了验证所提方法的有效性,选取了UCI(University of California,Irvine)数据库中的10个数据集进行实验,从精确度、所用特征个数和适应度值三个方面与常用算法进行比较和综合评价,实验结果表明该算法具有更好的精确度和稳定性,有效适用于特征选择这一工程问题。