2024年07月05日:Adaptive Crossover Operator Based Multi-objective Binary Genetic Algorithm for Feature Selection in Classification

  • 主页 /
  • 通知公告 /
  • 通知公告

2024年07月05日:Adaptive Crossover Operator Based Multi-objective Binary Genetic Algorithm for Feature Selection in Classification

【报告内容】

汇报人:苏童

汇报单位:福建理工大学

主题:《Adaptive Crossover Operator Based Multi-objective Binary Genetic Algorithm for Feature Selection in Classification》

1、Introduction

2、Method

3、Experiments

4、Conclusion

【报告总结】

1.待解决的问题描述

(1)许多候选特征可能是不相关或冗余的,这些特征可能对分类器的性能产生负面影响。

(2)通常特征选择可以被视为一个多目标优化问题,这涉及到同时优化分类精度和减少特征数量,而且特征之间还有可能存在相互作用。

(3)许多交叉算子是问题依赖性的,并且具有不同的搜索能力。这意味着选择最合适的算子来解决特定的特征选择问题是一个挑战,尤其是当特征选择问题的性质事先未知时。

2.相关创新方案

(1)提出了一种新的多目标二进制遗传算法(MOBGA-AOS),该算法集成了自适应算子选择机制,用于特征选择问题。

(2)MOBGA-AOS能够同时优化特征选择中的两个目标:减少特征数量和提高分类精度。

(3)算法中引入了自适应算子选择机制,能够根据进化过程中的表现动态选择最合适的交叉算子

3.实验总结

在本文中,提出了一种基于多目标遗传算法的算法,以获得一组特征数量较少、分类误差较小的特征子集。该算法采用自适应算子选择机制,利用五种能力各异的交叉算子在搜索空间中进行有效搜索。为了验证该算法的竞争力,将其与五种知名算法进行比较。使用10个基准数据集来评估该算法与其它算法的性能。从实验结果可以看出,本文提出的算法在大多数数据集上,特别是在大规模数据集上表现良好,能够找到一组收敛良好且多样化的最优特征子集。

4.未来工作

在未来的工作中,将加入不同的突变算子组成一个突变算子池,以便在不同的进化阶段选择合适的交叉和突变算子组合,进一步提高算法的性能。同时,还打算自动调整与这些算子相关的参数,同时在进化过程中自适应地选择算子。

报告时间:2024070519:30

腾讯会议:371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码:iipr)