基于差分进化和森林优化混合的特征选择

摘要 特征选择在分类中是一个极其困难而又重要的问题.为实现精确、快速地筛选特征，本研究针对森林优化算法收敛速度过慢的问题，将差分进化算法与森林优化算法结合，引入一种反馈机制，提出了差分进化和森林优化混合的算法并将其用于特征选择问题.同时根据森林优化算法局部播种的特点，引入一种针对局部搜索阶段改进的K最近邻算法以降低计算量.差分进化和森林优化混合的算法在与其它特征选择算法的对比中展现了良好的性能，实验结果表明该算法具有较好的分类性能与稳定的收敛速度，且改进的K最近邻算法能够显著提升该算法的运行速度.因此，差分进化和森林优化混合的算法是一种有效的特征选择方法