进化双层自适应局部特征选择.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812024⁃05⁃10

计算机应用,2024,44(5):1408-1414CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）05-1408-07DOI：10.11772/j.issn.1001-9081.2023121829

进化双层自适应局部特征选择

11*2

高麟，周宇，邝得互

（1.深圳大学计算机与软件学院，广东深圳518060；2.岭南大学电脑及决策科学系，香港999077）

（∗通信作者电子邮箱yu.zhou@szu.edu.cn）

摘要：局部特征选择（LFS）方法将样本空间划分为多个局部区域，并为每个区域选择最优特征子集以反映局部

异质信息。然而，现有的LFS方法以每个样本为中心划分局部区域并找到最优特征子集，导致优化效率低下且适用

场景受限。为了解决这个问题，提出一种进化双层自适应局部特征选择（BiLFS）算法。LFS问题被建模为双层优化问

题，特征子集和待优化局部区域是该问题的两个决策变量。在问题的上层，使用非支配排序遗传算法-Ⅱ求解被选择

的局部区域的最优特征子集，区域纯度和被选择特征比率是目标函数；在问题的下层，根据上层求解的最优特征子

集，首先使用局部区域聚类分析得到区域内的中心样本，然后通过局部区域融合消除非必要区域并更新必要区域的

种群。在11个UCI数据集上的测试结果表明，相较于基于进化算法的非自适应LFS方法，BiLFS的平均分类准确率达

到前者的98.48%，而平均所需计算用时仅为前者的9.51%，运算效率得到大幅提升，且达到基于线性规划的LFS方法

的水准。对迭代过程中BiLFS算法选择的用于优化的局部区域进行可视化分析，结果表明，BiLFS选择必要局部区域

具有稳定性和可靠性。

关键词：特征选择；双层优化；遗传算法；多目标优化；聚类

中图分类号：TP181文献标志码：A

Evolutionarybi-leveladaptivelocalfeatureselection

11*2

GAOLin，ZHOUYu，KWONGTakWu

（1.CollegeofComputerScienceSoftwareEngineering，ShenzhenUniversity，ShenzhenGuangdong518060，China；

2.DepartmentofComputingandDecisionSciences，LingnanUniversity，Hongkong999077，China）

Abstract:LocalFeatureSelection（LFS）methodspartitionthesamplespaceintomultiplelocalregionsandselec