基于EFO-AOA混合算子的特征选择算法

摘要

基于EFO‑AOA混合算子的特征选择算法，将数据集分为训练集和测试集，并为一组表示特征选择FS目标特征的个体设置初始值；计算每个特征个体的布尔逻辑值，并根据布尔逻辑值对应的特征计算适应度函数值；确定每个特征个体的适应度值，并将具有做优适应度值的个体作为最佳特征个体使用，在迭代更新时，EFO算子通过主动电定位与被动电定位以发现包含最优解的可行区域；根据随机概率，使用AOA运算符执行运算策略，再次执行更新特征的过程，迭代至达到停止标准为止。通过最优目标特征个体的布尔逻辑值中的对应特征，来减少测试集的维度。该算法解决了在高维特征筛选中会出现的收敛速度慢和陷入局部极小的问题，且在准确度和冗余度降维方面均表现出了显著的性能。