基于二进制马群优化算法的高维基因选择方法用于生物数据分类。
摘要：马群优化算法（HOA）是一种基于不同年龄马的行为的新型元启发式算法。HOA最近被引入以解决复杂和高维问题。本文提出了马群优化算法的二进制版本（BHOA），以解决离散问题和选择突出特征子集。此外，该研究提供了一种基于BHOA和最小冗余最大相关（MRMR）滤波方法的新型混合特征选择框架。这种更高效的混合特征选择可以生成相关和信息丰富的特征子集。由于特征选择是一个二进制问题，我们采用了一种新的传输函数（TF），称为X形状TF，将连续问题转化为二进制搜索空间。此外，支持向量机（SVM）用于检验所提出方法在十个微阵列数据集（Lymphoma，Prostate，Brain-1，DLBCL，SRBCT，Leukemia，Ovarian，Colon，Lung和MLL）上的效率。与其他最先进的方法，如灰狼（GW），粒子群优化（PSO）和遗传算法（GA）相比，所提出的混合方法（MRMR-BHOA）在准确性和最小选定特征方面表现出卓越的性能。此外，实验结果证明X形状BHOA方法优于其他方法。
作者：Niloufar Mehrabi, Sayed Pedram Haeri Boroujeni, Elnaz Pashaei
论文ID：2308.09791
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-22