一种用于特征选择和实例选择的微分进化方法

一种用于特征选择和实例选择的微分进化方法(中文7200字,英文PDF)
摘要：由于存储硬件和数据收集技术的不断改进，越来越多的数据正在被收集。数据的流入非常多，数据挖掘技术无法跟上。 收集的数据通常具有冗余或不相关的限制分类性能的特征/实例。 特征选择和实例选择是通过消除无用数据来帮助减少此问题的过程。 本文利用Dierential Evolution开发了一套算法来实现特征选择，实例选择以及组合特征和实例选择。 将数据的减少，分类精度和训练时间与原始数据和现有算法进行比较。 对十个不同难度数据集进行的实验表明，新开发的算法可以成功地减小数据的大小，并在大多数情况下保持或提高分类性能。 另外，计算时间也大大减少。 这项工作是第一次有系统地研究关于分类中的特征和/或实例选择的一系列算法，并且结果显示实例选择是比要素选择更难解决的任务，但是通过有效的方法，它可以显着地减少数据的大小，并提供许多好处。
关键词：微积分、演化特征选择、实例选择、分类