摘要：
针对高维度小样本数据在特征选择时出现的维数灾难和过拟合的问题，提出一种混合过滤器方式包装器模式的特征选择方法（ReFS-AGA）该方法结合减压阀F算法和归一化互信息，评估特征的相关性并快速筛选重要特征；采用改进的自适应遗传算法，引入最优策略平衡特征多样性，同时以最小化特征数和最大化分类精度为目标，选择特征数作为调节项设计新的评价函数，在迭代进化过程中高效获得最优特征子集。在基因表达数据上利用不同分类算法对简化后的特征子集分类识别，实验结果表明，该方法有效消除了不相关特征，提高了特征选择的效率，与减压阀F算法和二阶段特征选择算法mRMR遗传算法相比，在取得最小特征子集维度的同时平均分类准确率分别提高了11.18个百分点和4.04个百分点。
邱云飞，高华聪. 混合过滤器GA的特征选择方法[J] ●●●●。计算机工程与应用, 2021, 57(11): 95-102.
邱云飞、高华聪。混合滤波器和改进的自适应遗传算法在特征选择中的应用[J]。计算机工程与应用，2021，57（11）：95-102。
