融合特征权重与改进粒子群优化的特征选择算法

来源：计算机工程与科学杂志2024年第2期北京时间：

作者：刘振超, 苑迎春, 王克俭, 何晨

单位：1.河北农业大学信息科学与技术学院，河北 保定 071000；2.河北农业大学河北省农业大数据重点实验室，河北 保定 071000

摘要：随着教育信息化的发展，教育数据呈现特征数量高、冗余度高等特点，这使目前的分类算法在教育数据上分类准确率不理想。提出一种将特征权重算法与改进粒子群优化算法融合的混合式特征选择算法（RF-ATPSO）。该算法首先使用RELIEF-F算法计算各个特征的权重，筛除冗余特征，然后在筛选后的特征集合中利用改进粒子群算法搜索最优特征子集。实验结果表明，在6个UCI公共数据集上，经RF-ATPSO算法进行特征选择后，平均准确率提升了10.04%，且平均特征子集规模最小、收敛速度最快；在学生学业成绩画像特征数据集上，该算法以较小的特征子集规模达到较高的分类准确率，平均准确率为94.77%，明显优于其它特征选择算法，实验充分证明了该算法具有实际应用意义。

关键词：特征选择,特征权重,改进粒子群优化,T-分布,

基金资助：河北省高等教育教学改革研究与实践项目(2020GJJG076)