基于最大信息系数和蚁群算法的无监督特征选择的研究

摘要

无监督特征选择是特征选择问题中一个难点,论文提出了一种基于蚁群寻优算法(ACO)的无监督特征选择方法.论文算法对传统的蚁群算法作出了改进,添加节点被选择次数计数器,采用最大信息系数(MIC)度量特征之间的相关性,两者的结合共同作用于蚁群算法中信息素进行计算和更新,进而引导蚂蚁选择节点的寻优过程.实验部分采用支持向量机分类器对选取的特征子集进行性能评价.在5组实际数据的实验结果分析证明,论文算法不仅能够快速收敛,而且较传统的特征选择算法具有更好的分类效果.