论文部分内容阅读
随着信息社会进入大数据时代,高维数据的增长给数据处理带来了极大的挑战.为了分析和挖掘高维数据中的关键特征和潜在信息,提出了一种基于Relief和化学反应优化算法(Chemical Reaction Optimization algo-rithm,CRO)的混合算法.该算法首先采用Relief方法对数据进行降维并选择相关统计量中权重较大的特征子集;在迭代过程中改进了化学反应优化算法的4个操作算子的反应过程,利用邻域搜索策略与CRO相结合来提高该算法的局部搜索性能.实验结果显示RCRO算法筛选到的特征子集数目较小,且相比其他对比算法的分类准确率高.