通常,初始总体对于任何 MH 方法都非常重要,因为它会影响算法的收敛和最终解决方案的质量。根据OBL战略的特点,可以构建初始人口,加快收敛率。<br>例如,如果我们考虑 xi 的值是 [0.93、 0.33、 0.61、 0.54、 0.28、 0.34、 0.86],则 Eq. (11) 的输出表示为 [1, 0, 1, 0, 0, 0, 1]。此表示表示意味着数据集中对应于这些要素的要素将被选为相关要素,并且与 0 对应的要素将被忽略。选择特征后,将应用健身函数来评估这些功能的性能,我们建议算法中使用的拟量函数定义为 Eq. (12): 其中 Errxi 是分类过程的错误(即 K-NN 分类器或任何其他分类器),|xi |定义所选要素编号,Dim 表示要素总数。* 是间隔 [0, 1] 中的随机值,<br>用于在分类器的准确性和所选要素的数量之间取得平衡。 ...
正在翻譯中..
