计算机工程

作者：刘闻凯, 凌青华, 王智超

单位：江苏科技大学计算机学院, 江苏 镇江 212006

关键词：特征选择,多模态多目标优化,粒子群优化算法,互信息,决策空间多样性增强

基金：国家自然科学基金面上项目(61976108); 江苏省研究生科研与实践创新计划项目(KYCX24_4130)

特征选择本质上是一个多模态多目标优化问题, 然而, 多模态多目标优化算法在直接应用于特征选择时, 常常面临冗余特征过多和算法收敛困难等问题。为此, 提出一种决策空间多样性增强的两阶段多模态多目标粒子群优化特征选择(TSMMOPSO-FS)算法。在第一阶段, 提出一种融合互信息的逐层学习领导粒子选择策略。该策略在保持算法收敛性和分类精度的同时, 能够有效地剔除冗余特征。在第二阶段, 引入一种基于距离多样性和特征频率的粒子速度奖惩机制以提高决策空间的多样性。该机制通过对全体粒子速度进行自适应调整, 使粒子能够更广泛地探索不同的解空间, 提高搜索等价特征子集的能力, 避免陷入局部最优。在8个不同规模的UCI数据集上和5种多模态多目标优化算法进行对比实验, 实验结果表明, 该算法不仅表现出更优秀的收敛性和多样性, 在不损失分类正确率的同时也搜索到了更多的等价特征子集。

来源：2025年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第12期