基本信息

---

下载

文档摘要

---

进化多目标优化驱动的特征选择：方法、实践与展望

一、引言

1.1研究背景与意义

在信息技术飞速发展的当下，各领域产生的数据量呈爆炸式增长，高维数据成为数据的常见形态。以生物医学领域为例，基因表达数据维度常常高达数千甚至数万，包含大量基因特征；在图像识别中，一幅普通图像经特征提取后也会形成高维数据。高维数据虽蕴含丰富信息，但也带来诸多难题，维度灾难便是其中最突出的问题之一。随着数据维度增加，数据在高维空间中变得极为稀疏，数据点之间的距离难以有效衡量，这使得传统基于距离度量的算法，如k-近邻算法、聚类算法等性能急剧下降。而且高维数据还会导致计算复杂度呈指数级上升，极大增加了计算资源的消耗和