Abstract：
针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer,GWO)算法和鸟群算法(bird swarm algorithm,BSA)的混合算法,用于特征权重的寻优.首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm,GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值.利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2023
Issue： 10
Volume： 49
Page： 1088-1098
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
