基于粒子群的最大相关最小冗余混合式特征选择方法

在分析粒子群优化(PSO) 算法和简化PSO 算法的基础上, 提出一种基于PSO 的最大相关最小冗余的Filter-Wrapper 混合式特征选择方法. Filter 模型是基于互信息和特征的相关冗余综合测度, Wrapper 模型是基于改进的简化粒子群算法. 在PSO 搜索过程中, 引入相关冗余度量标准来选择特征子集, 将Filter 融合在Wrapper 中, 利用Filter 的高效率和Wrapper 的高精度提高搜索的速度和性能. 最后以支持向量机(SVM) 为分类器, 在公共数据集UCI 上进行实验, 实验结果表明了所提出算法的可行性和有效性.