新版首页
喜报|人工智能学院陈兴旺先生以第一作者身份在《Biomimetics》期刊揭晓论文
克日，人工智能学院西席陈兴旺以第一作者身份在《Biomimetics》期刊揭晓了题为“FTDZOA:An Efficient and Robust FS Method with Multi-Strategy Assistance”的论文，该期刊属于SCIE检索期刊，是JCR Q1分区，中科院三区。
本文提出一种增强型斑马优化算法（ZOA），称为FTDZOA，解决ZOA在处理特征提�。‵S）问题时容易受到局部最优特征子集的影响、、全局搜索能力有限以及收敛缓慢等问题。接纳分数阶搜索战略（fractional order search strategy）来保存前几代的信息，从而提高ZOA的使用能力。其次，引入三重均值点指导战略（triple mean point guidance strategy），综合全局最优点、、随机点和目今点的信息，有用增强ZOA的探索能力。最后，通过引入差分战略（differential strategy），整合差别个体之间的信息差别，进一步提高了ZOA的探索能力。通过与九种先进的FS要领举行较量剖析，发明FTDZOA在凌驾90%的数据集上实现了更高的分类准确率。
本文的主要孝顺包括：：
1.多战略辅助优化框架：：FTDZOA要领立异性地连系了多个优化战略（例如，启发式搜索、、局部搜索、、全局搜索等），以提高特征选择的准确性和效率。这种多战略协同优化的头脑增强了算法的全局探索能力，并阻止了陷入局部最优解。
2.高效的搜索机制：：通过引入一个新的搜索机制，FTDZOA能在更短的时间内找到最优的特征子集。这种机制能够有用地平衡搜索空间的探索和开发，阻止了古板要领中的盘算瓶颈，从而在大规模数据集上提供了更好的性能。
3.鲁棒性与顺应性：：FTDZOA在处理含有噪声或冗余特征的数据集时体现出了强盛的鲁棒性。通过多种战略的联合优化，算法能够有用识别并去除无关或冗余特征，降低了噪声对模子性能的负面影响，提升了算法的顺应性。
4.实验验证与性能较量：：在多个标准数据集上的实验批注，FTDZOA在特征选择使命上优于现有的几种主流要领（例如，遗传算法、、粒子群优化等），不但在精度上有优势，并且在盘算效率上也显示出了较强的竞争力。
5.应用普遍性：：该要领具有较好的通用性，可以应用于种种类型的机械学习使命中，特殊是在高维、、希罕或噪声较多的数据集上体现出显著的优势。这使得FTDZOA成为一个在现实应用中很是有价值的特征选择工具。
本论文为2024年bti体育校内导师制项目《图像处理与移动边沿盘算使命调理相关要领若干研究（2024HSDS06）》研究效果。
（图文/人工智能学院 责任编辑/刘育静）
上一条：：喜报|人工智能学院吴宪传以第一作者身份在《Scientific Reports》期刊揭晓论文
下一条：：华商教育集团董事长廖榕就带队赴潮州市开展走访校友及筹建校友分会事情