新版首页
系部动态
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：：bti体育举行“探秘异域文化 增进文明互鉴”活动之印度排灯节（Diwali）文化分享会