随着知识经济与大数据时代的到来,数据分析与处理技术的创新尤为重要。好的数据处理方法在解决数据挖掘、机器学习等领域的问题时可以达到事半功倍的效果。特征选择的目的是在数据进行训练之前除去冗余和不相关的特征、减少参与训练的特征数目以及提高分类器的准确率。为解决特征选择这一优化问题,本文改进了两种不同的智能算法。实验结果表明改进后的算法性能优良,能够很好的解决特征选择问题。本文的研究工作如下:针对Android恶意应用检测问题,提出了自变异无性遗传算法。首先,该算法省略了交叉算子,通过改变种群大小和变异概率平衡算法的全局搜索和局部搜索能力;其次,重新定义了算法的适应度函数,同时考虑了分类准确率和特征之间的关系并为其分配权值;此外,算法用在Android恶意应用检测分类模型上,模型首先提取Android权限作为数据集特征,对其进行二进制编码后组成新的数据集,为解决特征维数灾难问题,使用自变异无性遗传算法对数据集降维;最后,算法在多个数据集上验证,数值实验结果表明算法是有效的。针对单目标特征选择问题,提出了混合双种群精英保留策略和均匀变异的布谷鸟搜索算法。首先,算法的初始化使用混沌映射函数增加种群多样性和遍历性;其次,在迭代过程中,利用双种群精英保留策略对种群个体进行筛选,筛选后的个体执行均匀变异操作,该操作能够加快找到最优解的速度,提高算法局部搜索能力;最后,再用Lévy飞行策略扩大搜索范围,提高算法的全局搜索能力。本文设置了不同策略之间的对比实验,并将算法在多个数据集上进行验证,实验结果表明提出算法的性能显著优于对比算法。