公开(公告)号：CN116894169B

公开(公告)日：2024-01-02

申请号：CN202310765773.8

申请日：2023-06-27

Applicant: 中国矿业大学

Inventor： 宋贤芳 ,  张勇 ,  马昊 ,  彭超 ,  孙晓燕 ,  张振

IPC: G06F18/2111 ,  G06F18/23 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明公开了基于动态特征聚类和粒子群优化的在线流特征选择方法，属于数据处理领域，包括以下步骤：S1、输入一个新的特征组GT；S2、在线相关性分析；S3、增量式特征聚类：将经步骤S2处理后的特征划分到已有特征簇中或创建新簇；S4、判断是否满足启动条件，若满足则执行步骤S5，否则从每个特征簇中选取最重要的特征并作为输出特征子集ST；S5、历史信息驱动的整型粒子群算法：在聚类的基础上，采用历史信息驱动的粒子群算法搜索最优特征子集，并输出特征子集ST；S6、判断有无新的特征组到来，若有则返回步骤S1，否则结束。本发明采用上述基于动态特征聚类和粒子群优化的在线流特征选择方法，可在多数数据集中获得最佳的分类精度。

公开(公告)号：CN116894169A

公开(公告)日：2023-10-17

申请号：CN202310765773.8

申请日：2023-06-27

Applicant: 中国矿业大学

Inventor： 宋贤芳 ,  张勇 ,  马昊 ,  彭超 ,  孙晓燕 ,  张振

IPC: G06F18/2111 ,  G06F18/23 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明公开了基于动态特征聚类和粒子群优化的在线流特征选择方法，属于数据处理领域，包括以下步骤：S1、输入一个新的特征组GT；S2、在线相关性分析；S3、增量式特征聚类：将经步骤S2处理后的特征划分到已有特征簇中或创建新簇；S4、判断是否满足启动条件，若满足则执行步骤S5，否则从每个特征簇中选取最重要的特征并作为输出特征子集ST；S5、历史信息驱动的整型粒子群算法：在聚类的基础上，采用历史信息驱动的粒子群算法搜索最优特征子集，并输出特征子集ST；S6、判断有无新的特征组到来，若有则返回步骤S1，否则结束。本发明采用上述基于动态特征聚类和粒子群优化的在线流特征选择方法，可在多数数据集中获得最佳的分类精度。