Local feature selection based on artificial immune system for classification
Local feature selection based on artificial immune system for classification
复制标题
基于人工免疫系统的局部特征选择进行分类
DOI：
10.1016/j.asoc.2019.105989
复制
发表时间：
2020-02
影响因子：
8.7
通讯作者：
Li T
中科院分区：
文献类型：
--
作者：
Wang Y;Li T
传统的特征选择算法为整个样本空间选择一个全局特征子集。相比之下，在本文中，我们提出了一个有效的过滤器局部特征选择算法的基础上，人工免疫系统，它分配一个局部相关的特征子集的样本空间的每个相邻区域。该算法引入克隆选择算法探索最优特征子集的搜索空间，并采用局部聚类思想作为评价标准，在每个样本的小区域内最大化类间距离，最小化类内距离。在各种合成和UCI数据集上的实验结果表明，我们提出的方法比最先进的全局特征选择算法和局部特征选择算法都具有更好的性能。此外，所提出的方法的主要参数进行了分析。
Conventional feature selection algorithms select a global feature subset for the entire sample space. In contrast, in this paper we propose an efficient filter local feature selection algorithm based on artificial immune system, which assigns a locally relevant feature subset for each neighboring region of the sample space. This algorithm introduces a clonal selection algorithm to explore the search space for the optimal feature subsets, and adopts local clustering idea as an evaluation criterion that maximizes the inter-class distance and minimizes the intra-class distance in the small region of each sample. Experimental results on a wide variety of synthetic and UCI datasets demonstrates that our proposed method achieves better performance than both state-of-the-art global feature selection algorithms and local feature selection algorithms. In addition, a main parameter analysis of the proposed method is carried out.
登录
查看更多内容
信息负面表征的三个分支：一项调查
DOI：
10.1109/tetci.2018.2829907
发表时间：
2018-05
影响因子：
5.3
作者：
Wenjian Luo;Ran Liu;Hao Jiang;Dongdong Zhao;Linli Wu
通讯作者：
Linli Wu
DOI：
10.1609/aaai.v29i1.9211
发表时间：
2015-01
期刊：
--
影响因子：
--
作者：
Suhang Wang;Jiliang Tang;Huan Liu
通讯作者：
Suhang Wang;Jiliang Tang;Huan Liu
影响因子：
7.1
作者：
Alain Grumbach
通讯作者：
Alain Grumbach
混合学习克隆选择算法
影响因子：
8.1
作者：
Yong Peng;Bao-Liang Lu
通讯作者：
Bao-Liang Lu
DOI：
10.1016/j.eswa.2017.06.004
发表时间：
2017-11
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
Mahdieh Zabihimayvan;Reza Sadeghi;H. N. Rude;Derek Doran
通讯作者：
Mahdieh Zabihimayvan;Reza Sadeghi;H. N. Rude;Derek Doran