提出了一种混合版本的二元GWO (BGWO)和另一种最新的元启发式算法,以提高基于包装器的特征选择方法的性能。利用s型传递函数将连续搜索空间转换为二进制形式,以满足特征选择的性质要求。使用k -最近邻(KNN)分类器来评估所选特征的优劣。为了验证所提出的混合方法的性能,使用了18个标准特征选择UCI基准数据集。并与二元混合灰狼优化粒子群算法(BGWOPSO)、BGWO (bGWO1、bGWO2)、二元粒子群算法(BPSO)、二元遗传算法(BGA)、模拟退火的鲸鱼优化算法(WOASAT-2)、二元旗鱼优化算法(A β BSF)、二元β爬山算法(β HC)、自适应突变的二元JAYA算法(BJAM)和二元马群优化算法(BHOA)进行了性能比较。声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论