吉林大学学报(信息科学版) ›› 2021, Vol. 39 ›› Issue (1): 1-7.
• • 下一篇
李占山a,b, 杨鑫凯c, 胡 彪c, 张 博c
LI Zhanshana,b, YANG Xinkaic, HU Biaoc, ZHANG Boc
摘要: 针对樽海鞘群优化算法(SSA: Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、 收敛速度慢的不足, 基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法( DESSA:Differential Evolution Salp Swarm Algorithm)。 DESSA 中采用了差分进化策略替代平均算子作为新的粒子迁移方式以增强搜索能力, 并加入进化种群动态机制(EPD: Evolution Population Dynamics), 加强收敛能力。 实验中以KNN(K-Nearest Neighbor)分类器作为基分类器, 以 UCI(University of California Irvine)数据库中的 8 组数据集作为实验数据, 将 DESSA 与 SSA 同具有代表性的算法进行对比实验, 实验结果表明, DESSA 算法各考察指标较原算法有明显提升, 较其他算法相对优越。
中图分类号: