-
题名面向大规模特征选择的自监督数据驱动粒子群优化算法
被引量:2
- 1
-
-
作者
黎建宇
詹志辉
-
机构
华南理工大学计算机科学与工程学院
-
出处
《智能系统学报》
CSCD
北大核心
2023年第1期194-206,共13页
-
基金
国家重点研发计划项目(2019YFB2102102)
国家自然科学基金面上项目资助(62176094)。
-
文摘
大规模特征选择问题的求解通常面临两大挑战:一是真实标签不足,难以引导算法进行特征选择;二是搜索空间规模大,难以搜索到满意的高质量解。为此,提出了新型的面向大规模特征选择的自监督数据驱动粒子群优化算法。第一,提出了自监督数据驱动特征选择的新型算法框架,可不依赖于真实标签进行特征选择。第二,提出了基于离散区域编码的搜索策略,帮助算法在大规模搜索空间中找到更优解。第三,基于上述的框架和方法,提出了自监督数据驱动粒子群优化算法,实现对问题的求解。在大规模特征数据集上的实验结果显示,提出的算法与主流有监督算法表现相当,并比前沿无监督算法具有更高的特征选择效率。
-
关键词
特征选择
大规模优化
粒子群优化算法
进化计算
群体智能
数据驱动
自监督学习
离散区域编码
-
Keywords
feature selection
large-scale optimization
particle swarm optimization
evolutionary computation
swarm intelligence
data-driven
self-supervised learning
discrete region encoding
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-