刘全金，赵志敏，李颖新，俞晓磊

（1.南京航空航天大学理学院，江苏南京210016；2.安庆师范学院物理与电气工程学院，安徽安庆246011；3.北京经纬纺机新技术有限公司，北京100176；4.北京市轻纺机械机器视觉工程技术研究中心，北京100176；5.江苏省标准化研究院，江苏南京210029）

基于近邻信息和PSO算法的集成特征选取

刘全金1，2，赵志敏1，李颖新3，4，俞晓磊5

（1.南京航空航天大学理学院，江苏南京210016；2.安庆师范学院物理与电气工程学院，安徽安庆246011；3.北京经纬纺机新技术有限公司，北京100176；4.北京市轻纺机械机器视觉工程技术研究中心，北京100176；5.江苏省标准化研究院，江苏南京210029）

提出了一种新的PSO特征选取方法.以粒子对应特征组合的同类近邻样本和异类近邻样本间的距离关系作为类别可分性和粒子适应度函数.以适应度函数加权的群体历史最佳、粒子历史最佳和粒子邻域内最佳个体信息共同指导粒子运动方向，搜索类内紧密、类间分离的最佳特征组合；同时，利用加权集成方法对PSO特征选取方法进行集成，以提高特征选取方法的稳定性和鲁棒性.在5个高维数据集上的特征选取实验结果表明集成PSO特征选取方法的有效性和可行性.

特征选取；PSO；集成方法；分类

1 引言

利用机器学习技术对高维数据降维，使降维后的数据仍承载初始数据中有效信息［1，2］.特征选取方法根据特征评价函数，从原始数据中选取代表原始数据特性的关键特征［3，4］.特征选取方法分为特征权重选取方法和特征子集选取……