基于灰狼算法的特征选择方法

提出了一种混合版本的二元GWO (BGWO)和另一种最新的元启发式算法，以提高基于包装器的特征选择方法的性能。利用s型传递函数将连续搜索空间转换为二进制形式，以满足特征选择的性质要求。使用k -最近邻(KNN)分类器来评估所选特征的优劣。为了验证所提出的混合方法的性能，使用了18个标准特征选择UCI基准数据集。并与二元混合灰狼优化粒子群算法(BGWOPSO)、BGWO (bGWO1、bGWO2)、二元粒子群算法(BPSO)、二元遗传算法(BGA)、模拟退火的鲸鱼优化算法(WOASAT-2)、二元旗鱼优化算法(A β BSF)、二元β爬山算法(β HC)、自适应突变的二元JAYA算法(BJAM)和二元马群优化算法(BHOA)进行了性能比较。