一种融合样本代理和粒子群优化的高维数据特征选择方法

本发明提供了一种融合样本代理和粒子群优化的高维数据特征选择方法，属于特征选择技术领域，包括：将数据集分为完整训练样本集和测试数据集，利用高维特征空间聚类技术将特征空间分割为多个特征簇。在每个特征簇内，通过基于样本选择的代理辅助进化特征选择模块，运用IBPSO算法选出最具代表性的特征，形成最优特征子集并应用于测试数据集。特征选择过程包括初始化种群、构建多源知识引导的初始样本代理集、使用代理模型评估粒子适应度、根据个体和全局极值更新，以及结合特征聚类引导的局部搜索策略优化搜索。同时，采用融合历史信息的样本代理集管理策略，确保样本代理集的有效更新。本发明能够以较低的计算成本获得较好的分类效果。