论文部分内容阅读
针对粒子群属性约简算法容易早熟、易陷入局部最优解的问题,提出一种融合混沌离散粒子群与粗糙集的属性约简算法(CBPSORS)。在该算法中,首先利用混沌序列初始化粒子的位置和速度,得到一个无序的粒子种群。其次改进最优粒子进行混沌变异过程,改进惯性因子和加速因子来提高算法性能。再次用粗糙集理论对生成的属性子集相关性进行评估。最后用K-近邻(KNN)算法生成分类模型在UCI数据集上对该算法进行验证。理论分析与实验结果表明,与基于粗糙集的属性约简算法(RS)、基于粒子群的粗糙集属性约简算法(PSORS)以及基