论文摘要
属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.
论文目录
文章来源
类型: 期刊论文
作者: 许力分,倪志伟,朱旭辉,贾凯,伍章俊
关键词: 属性选择,分形理论,二元蚁群优化算法,分群分治
来源: 系统科学与数学 2019年06期
年度: 2019
分类: 基础科学,信息科技
专业: 自动化技术
单位: 合肥工业大学管理学院,合肥工业大学过程优化与智能决策教育部重点实验室
基金: 国家自然科学基金重大研究计划培育项目(91546108),国家自然科学基金重大项目(91490725),国家自然科学基金创新群体项目(71521001),安徽省自然科学基金(1908085QG298),国家重点研发计划(2016YFF0202604),中央高校基本科研业务费专项资金(JZ2019HGTA0053,JZ2019HGBZ0128)资助课题
分类号: TP18
页码: 918-933
总页数: 16
文件大小: 945K
下载量: 45
相关论文文献
标签：属性选择论文; 分形理论论文; 二元蚁群优化算法论文; 分群分治论文;