【报告内容】

汇报人：贾利阳

汇报单位：太原理工大学

主题：A Multi-Objective Evolutionary Algorithm for Feature Selection Incorporating Dominance-Based Initialization and Duplication Analysis

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

1）现有特征选择算法在初始化阶段存在明显缺陷，导致初始种群质量不足、后续进化效率受限，主要针对的问题是权重分配存在主观偏差。传统特征选择中，部分方法基于偏好分配特征权重（如直接为特征间相关性、特征与标签相关性设定固定权重），可能导致特定重要特征被排除，进而影响分类性能

2）现有处理重复个体的方法存在一些局限性。

2.相关创新方案

1）采用创新方法计算特征权重，并基于特征间的支配关系生成初始种群。互信息（MI）被用于计算特征之间以及特征与标签之间的相关性。基于这些相关性，它被转化为一个新的多目标优化问题。使用非支配排序算子和线性方程来确定每个特征的权重，从而生成具有高权重特征的初始总体。

2）提出了一种通过整合局部和全局处理技术来解决重复问题的新方法。在决策空间中，使用一个简单的去重函数来处理重叠。在目标领域，流程分为两个主要步骤：第一步根据个体的目标值将重复个体分类为多个组，第二步根据每个复制组的个体数量决定是否应用全局或局部分析，从而确保复制管理的有效性。

3.实验总结

本文的目的是提出一种新的初始化策略，解决进化过程中的重复问题。DIDA的初始化策略主要是根据特征的支配关系给特征赋权，保证了权值的客观性。重复分析方法主要使用具有相同目标值的个体的局部和全局分析，从而有效地解决进化过程中的大量重复的问题

4.未来工作

未来的工作将主要集中在对更高维度的额外数据集进行实验，以分析和验证该算法的有效性。同时，算法中的若干参数将被调整和测试。

报告时间：2026年01月23日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)