近日，自动化与电子工程学院巩敦卫教授与中国矿业大学宋贤芳博士、张勇教授等在高维流特征选择领域取得研究进展，成果论文“Astreamingfeatureselectionmethodbased ondynamicfeatureclustering andparticleswarmoptimization”发表在中科院一区、Top期刊《IEEE Transactions on Evolutionary Computation》上。

针对流特征选择问题，论文提出了基于动态特征聚类和粒子群优化的流特征选择方法。该方法利用在线相关性分析快速去除不相关特征，初步减少新到达特征组的特征规模；采用增量特征聚类技术将特征组中的冗余特征聚集，缩减后续进化优化算法的搜索空间；基于聚类后的特征空间,利用历史信息驱动的整型粒子群算法搜索最优特征子集。

该成果融合了特征聚类技术和粒子群优化算法，在12个不同难度的典型数据集上进行了3组实验。结果表明，在大多数情况下，所提算法能够在合理的时间内获得更高的分类精度，具有明显的在线流特征选择优势。

论文信息：

SongXianfang, Ma Hao, Zhang Yong*, Gong Dunwei*, Guo Yinan, Hu Ying, Astreamingfeatureselectionmethodbased ondynamicfeatureclustering andparticleswarmoptimization, IEEE Transactions on Evolutionary Computation, 2024, DOI:10.1109/TEVC.2024.3451688.