基于改进量子进化算法的特征选择

来源：计算机工程与应用杂志2018年第1期北京时间：

作者：周 丹1，2，吴春明1

单位：1.浙江大学 计算机系统结构研究所，杭州 310027；2.台州职业技术学院 电信学院，浙江 台州 318000

摘要：特征选择作为一种数据预处理技术被广泛研究，由于其具有NP难度而一直无法找到有效的求解方法。鉴于目前在特征选择中应用较多的遗传算法存在进化机制上的局限，将量子进化算法应用于特征选择，提出了一种基于改进量子进化算法的特征选择算法。以增加种群多样性和提高寻优性能为目标改进了量子进化算法，以Fisher比和特征维度为特征子集的评价准则构造了适应度函数，按照量子进化算法求解优化问题的步骤设计了特征选择算法。使用UCI数据库中的数据集对三种算法作对比验证，通过识别重要特征、提高学习算法性能、特征选择效率三组实验，结果表明，该算法能够识别出重要特征，并随着数据集特征维度升高，特征选择的性能逐渐优于对比算法，到了高维数据集，特征选择效率明显优于对比算法。

关键词：特征选择,量子进化算法,遗传算法,特征子集,特征维度