基于自适应森林优化算法的特征选择算法

森林优化特征选择算法(FSFOA)表现出色，但初始化方法的盲目性以及更新机制的局限性限制了该算法的性能。对FSFOA不足之处加以改进，提出自适应森林优化特征选择算法(AFSFOA)。在初始化过程中，加入特征权重评估算法；在更新机制上，使用自适应参数选择策略以及贪心搜索策略替代原始的更新机制。在不同维度的数据集上进行实验，对比实验结果表明，与FSFOA算法以及近年来提出的较高效的特征选择算法进行对比，在准确率以及维度约简上，AFSFOA算法有很强的竞争力。