University of Stirling@milan米兰体育 与特征选择中的传统方法相比的有针对性的分布估计算法

引用

Neumann G 和 Cairns D (2016) 与特征选择中的传统方法相比的有针对性的分布估计算法。见：Madani K、Dourado A、Rosa A、Filipe J 和 Kacprzyk J（编辑）计算智能：国际联合会议论文修订和精选，IJCCI 2013，葡萄牙维拉摩拉，2013 年 9 月 20 日至 22 日。计算智能研究，613。第五届计算智能国际联合会议，IJCCI 2013，葡萄牙维拉摩拉，2013 年 9 月 20 日至 2013 年 9 月 22 日。 Cham，瑞士：Springer，第 83-103 页。 http://link.springer.com/chapter/10.1007/978-3-319-23392-5_5； https://doi.org/10.1007/978-3-319-23392-5_5

摘要
目标分布估计算法 (TEDA) 在 EDA/GA 混合框架中引入了“目标”过程，从而将解决方案中的活性基因或“控制点”的数量驱动到最佳方向。对于具有超过一千个特征的较大特征选择问题，前向和后向选择等传统方法效率低下。如果问题的噪声足够大，大多数大型解决方案同样无效，并且只有在发现更小的解决方案时才可以开始有效的优化，那么传统 EA 的性能可能会更好，但优化速度会很慢。通过使用目标定位，TEDA 能够快速缩小功能集的大小，从而加快这一过程。使用所有这些方法对具有 500 到 20,000 个特征的特征选择问题对该方法进行了测试，并证实 TEDA 比其他方法更快地找到有效的解决方案。

关键字
分布算法的估计；特征选择；进化计算；遗传算法；混合算法