基于部落竞争的遗传算法在模式分类中的特征选择

特征选择一直是模式识别中的关键步骤，其中最常用的是进化算法，例如遗传算法（GA）。 但是，在各种GA中使用的单个编码方案可能会对解决方案造成偏见，或者需要预先指定的特征数量，因此可能导致结果准确性降低。 针对模式分类中的特征选择问题，提出了一种基于部落竞争的遗传算法（TCbGA）。 将个体人口分为多个部落，并对初始化和进化操作进行修改，以确保每个部落中选定特征的数量遵循高斯分布。 因此，每个部落都专注于探索解决方案空间的特定部分。 同时，部落竞争被引入到发展过程中，这使得产生更好个体的获胜部落可以扩大规模，即让更多的个体来搜索解决方案空间的各个部分。 因此，该算法避免了对解决方案的偏见和对预定数量特征的需求。 我们已经针对20个基准数据集上的几种最新特征选择方法对算法进行了评估。 我们的结果表明，提出的TCbGA算法可以更有效地识别最佳特征子集，并产生更准确的模式分类。