针对樽海鞘群算法( Salp SwarmΔ lgorithm,SSΔ)在寻优过程中存在的收敛速度较慢、容易陷入局部最优的缺点,提出了一种改进的采用莱维飞行策略的条件化更新的樽海鞘群算法( Levy Flight-based Conditional Updating Salp Swarm algorithm, LECUSSA),并将其运用于分类算法的特征子集选择过程。首先,利用莱维飞行策略的长短跳跃特点对领导者位置进行随机更新,以增强全局最优的搜索能力;其次,増加对追随者位置的更新条件,让追随者不再盲目地跟随,从而加快收敛速度。在23个优化基准函数上对 LECUSSA算法与其他算法进行了性能比较实验;并把算法运用到支持向量机( Support vector Machine,sSVM)算法的分类特征子集选择中,采用8个UCⅠ数据集对特征选择后的分类结果进行了性能比较实验。实验结果表明, LECUSSA具有良好的全局最优搜索能力和较快的收敛速度,利用 LECUSSA算法进行特征选择后,能够找到最佳分类准确率的特征子集。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !