基于代理模型和人工免疫系统的特征选择算法

摘要

智能优化的嵌入式特征选择算法相比于传统嵌入式方法和过滤式方法,通常能得到规模更小和质量更高的特征子集,但智能优化中的群体寻优策略和嵌入式方法的评价机制导致其计算代价过高.为解决上述问题,提出了一种基于代理模型和人工免疫系统的特征选择算法.利用RBF神经网络构建代理模型,对部分新产生的个体进行预测和评价,避免了频繁调用评价准则而导致的时间损耗.在训练神经网络之前,利用相关系数概念将所有特征进行归类,以避免输入节点过多而影响模型的预测质量.此外,提出的人工免疫系统设计了3种不同的变异算子用以进一步提高算法的求解质量.对5组UCI数据的测试结果表明,该算法能够在保证求解质量的同时显著减少优化时间,其优化时间相对于无代理模型的同类算法最多减少了44.94％.