计算机工程

作者：吴国霞, 邱雅茹, 江峰

单位：1. 青岛科技大学信息科学技术学院, 山东 青岛 2660612. 青岛科技大学数据科学学院, 山东 青岛 266061

关键词：特征选择,萤火虫算法,变异策略,适应度函数,邻域知识粒度,邻域粒度条件熵

基金：国家自然科学基金(61973180); 国家自然科学基金(62172249); 山东省自然科学基金(ZR2022MF326)

针对传统的萤火虫算法(FA)在处理优化问题时存在的收敛速度慢、易陷入局部最优解等问题, 提出一种动态的萤火虫算法, 并将该算法与邻域粗糙集相关理论相结合开展特征选择的研究, 从而实现对连续型数值的有效处理, 并且有效提高特征选择的性能。首先, 为了改进萤火虫算法的搜索策略, 引入POX(Precedence Operation Crossover)变异策略并采用阈值设置控制萤火虫交叉变异的概率, 便于陷入局部最优的个体及时跳出, 提出一种动态的萤火虫算法; 其次, 为了能够同时考虑到知识完备性和知识粒度大小, 将邻域粗糙集中的邻域知识粒度与条件熵有机结合, 提出一种新的信息熵模——邻域粒度条件熵; 最后, 提出一种基于邻域粒度条件熵与动态萤火虫算法的特征选择算法FS_NGHFAPOX, 该算法采用邻域粒度条件熵来构建适应度函数, 进而更好地评价特征子集。在UCI和scikit-learn机器学习库中的内置数据库中部分数据集上进行实验验证, 验证结果表明FS_NGHFAPOX算法分类性能最优且所选特征子集数量更少, 平均准确率达到0.83, 相较于其他特征选择算法最多提高了15%。

来源：2026年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第1期