使用多目标 CHC 算法同时进行实例和特征选择-研究论文

多余和不需要的特征和实例的存在以负面方式影响分类算法的性能。 去除这些冗余特征和实例的任务被认为对于获得准确且易于理解的分类模型很重要。 KNN 分类器存在维数灾难和大量特征和实例的计算复杂度，这都是正确的。 实例和特征选择问题被认为是一个多目标问题。 在本文中，我们在多目标环境中应用 CHC（跨代、异质重组、精英选择和灾难性变异算子）方法来同时选择具有代表性的特征和实例。 多目标遗传算法（NSGAII）和CHC算法的混合形式证明了其适用于同时选择实例和特征。 通过与其他标准算法的比较，证实了所提出算法的有效性。 所提出的方法实现了更高的准确度和有竞争力的还原率。