| 基于元学习和二进制粒子群的网络故障特征选择算法 |
| |
| 引用本文： | 卫娟,王崇科.基于元学习和二进制粒子群的网络故障特征选择算法[J].应用声学,2015,23(1):191-194. |
| |
| 作者姓名： | 卫娟 王崇科 |
| |
| 作者单位： | 河南机电高等专科学校,河南机电高等专科学校 |
| |
| 基金项目： | 河南省高等学校青年骨干教师资助计划（编号：2011GGJS-198），河南省教育厅科学技术研究重点项目（编号：13A520221） |
| |
| 摘 要： | 为了降低Wrapper模式网络故障特征选择方法分类算法的计算量,本文提出了一种基于元学习和二进制粒子群(ML-BPSO)的特征选择方法。算法在封装的分类训练中采用元学习方法估算分类精度,并利用BPSO在特征空间中进行全局搜索选出最优特征集。在DARPA数据集上的实验表明本文提出的方法能够显著的降低封装模式特征选择计算量,同时保证了较高的诊断精度和较好的降维效果。
|
| 关 键 词： | 元学习 二进制粒子群 支持向量机 特征选择 |
| 收稿时间： | 8/3/2014 12:00:00 AM |
| 修稿时间： | 9/4/2014 12:00:00 AM |
A Meta-learning and Binary Particle Swarm Optimization Based Network Fault Feature Selection Algorithm |
| |
| WANG Chong-ke.A Meta-learning and Binary Particle Swarm Optimization Based Network Fault Feature Selection Algorithm[J].Applied Acoustics,2015,23(1):191-194. |
| |
| Authors: | WANG Chong-ke |
| |
| Institution: | Henan Mechanical and Electrical Engineering College,Xinxiang,453002,China |
| |
| Abstract: | |
| |
| Keywords: | Meta-learning BPSO support vector machine feature selection |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|
