基于多种群的鱼优化特征选择算法及其在使用惯性测量单元传感器检测人类落中的应用

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 特性选择 (FS) 对于模式识别中的维度减少至关重要.
• 传统的FS方法与复杂的,高维数据集作斗争.
• 确定最佳特征子集仍然是一个重大挑战.

研究的目的:

• 为有效的特征选择引入一种新的元启发式算法.
• 为了解决处理高维数据的现有方法的局限性.
• 为了提高功能选择流程的性能和效率.

主要方法:

• 开发一个多螺旋捕优化算法 (MSWOA).
• 纳入适应性多种群融合战略 (AMS) 以防止过早的融合.
• 实施双螺旋更新策略 (DSS) 以逃避局部优化.
• 整合一个巴林邻里开发战略 (BES) 以提高融合速度.

主要成果:

• 与六个最先进的元启发式算法和六个基于WOA的算法相比,MSWOA表现出更高的性能.
• 拟议的方法在20个UCI数据集上取得了更好的结果.
• 在人类落检测任务中成功应用,验证了其实际实用性.

结论:

• 在复杂的,高维度场景中,MSWOA为特征选择提供了强大而高效的解决方案.
• 在MSWOA中的新策略有效地提高了搜索能力和趋同.
• MSWOA显示了现实应用的巨大潜力,包括人类落检测.