{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期段”：[[2024,7,2]，“日期时间”：“2024-07-02T12:35:38Z”，“时间戳”：1719923738173}，“引用计数”：31，“发布者”：“MDPI AG”，“问题”：“2”，“许可证”：[{“开始”：{“日期段9-05-08T00:00:00Z“，“时间戳”：1557273600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“名称”：“马来西亚高等教育部长”，“奖项”：[“FRGS\/1\/2017\/TK04\/FKE-CeRIA\/F00334”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}，”short-container-title“：[”Informatics“]，“抽象”：“特征选择是指在分类过程中选择最能描述目标概念的潜在特征的最佳组合。然而，当涉及大量特征时，选择这样的相关特征就变得很困难。因此，本研究旨在利用二元粒子群优化（BPSO）来解决特征选择问题。然而，BPSO存在早熟收敛和惯性权重设置的局限性。因此，本文提出了一种新的具有多重惯性权重策略的协同进化二进制粒子群优化算法（CBPSO-MIWS）。为了检验该方法的有效性，使用了四种最新和流行的特征选择方法，即BPSO、遗传算法（GA）、二进制引力搜索算法（BGSA）和竞争二进制灰狼优化算法（CBGWO）进行了性能比较。我们的结果表明，CBPSO-MIWS在特征选择方面能够取得具有竞争力的性能，适合于在工程、康复和临床领域应用<\/jats:p>“，”DOI“：”10.3390\/informatics620021“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2019,5,9]]，”日期时间“：”2019-05-09T15:22:35Z“，”时间戳“：1557415355000｝，”page“：”21“，”source“：”Crossref“，”由count引用“：65，”title“：[”一种新的基于多惯性权重策略的协同进化二元粒子群优化算法用于特征选择“]，”前缀“：”10.3390“，”卷“：”6“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-6908-1038“，”authenticated-ORCID“：false，”给定“：”Jingwei“，”family“：”Too“，”sequence“：”first“，”affiliation“：”[{“name”：“Fakulti Kejuruteraan Elektrik，马来西亚马六甲德尼卡尔大学，Hang Tuah Jaya，Durian Tunggal 76100，马六甲，马来西亚“}]}，{“给定”：“Abdul Rahim”，“家庭”：“阿卜杜拉”，“序列”：“附加”，“隶属关系”：[{“名称”：“Fakulti-Kejuruter aan Elektrik，马来西亚马六甲德尼卡尔大学，Hang Tuah-Jaya、Durian Tonggal 7.6100，马来西亚马陆卡”}]}，{给定“：”Norhashimah“，”family“：”Mohd Saad“，”sequence“：”additional“，”affiliation“：[{”name“：”Fakulti Kejuruteraan Elektronik dan Kejuruter aan Kocomputer“，University Teknikal Malaysia Melaysia，Hang Tuah Jaya，Durian Tunggal 76100，Malaysias“}]]，“member”：“1968”，“published on”：{“date-parts”：[2019,5,8]}，“ref”“key”：“ref_1”，“doi-asserted-by“：”crossref“，”first page“：”261“，”doi“：”10.1016\/j.asoc.2013.09.018“，”article-title“：”分类中特征选择的粒子群优化：新型初始化和更新机制“，”volume“：“18”，”author“：”Xue“，”year“：”2014“，”journal-title”：“Appl。软计算。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”unstructured“：”Al-Madi，N.，Faris，H.，and Mirjalili，S.（2019）.用于全局优化和离散问题的二进制多宇宙优化算法.国际机械学会，Cybern.，1\u201321.“，“doi”：“10.1007\/s13042-019-00931-8”}，“{”密钥“：”ref_3“10.1016\/j.neucom.2016.03.101“，”article-title“：“二进制蚂蚁狮子特征选择方法”，“卷”：“213”，“作者”：“Emary”，“年份”：“2016”，“日志标题”：“神经计算”}，{“key”：“ref_4”，“doi-asserted-by”：“crossref”，”first page“：”43“，”doi“：”10.1016\/j.knosys.2018.05.009“，”article-ttitle“：”特征选择问题的高效二进制Salp Swarm算法及其交叉方案”，“volume”：“154”，“author”：“Faris”，”year”：“2018”，“journal-title”：“Knowl-Based Syst。“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first-page“：”416“，”doi“：”10.1016\/j.patcog.2017.11.027“，”article-title“：”基于粒子群特征选择的二维（2-D）学习框架“，”volume“：“76”，“author”：“Hafiz”，“year”：“2018”，“journal-title”：“Pattern Recognit.”}，”{“key”：“ref_6”，“unstructured”：“”Tran，B.、Xue，B.和Zhang，M.（2018年）。用于高维分类特征选择的变长粒子群优化。IEEE传输。进化。计算。，1.“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first page“：“30”，”doi“：”10.1016\/j.compbiomed.2011.10.004“，”article-title“：”基于蚁群优化的表面肌电信号分类特征选择方法“，”volume“：doi-asserted-by“：”crossref“，”first page“：”5190“，”doi“：”10.1016\/j.eswa.2014.03.014“，”article-title“：”表面肌电模式识别任务的通道和特征选择“，”volume“：“41”，“author”：“Mesa”，“year”：“2014”，“journal-title”：“Expert Syst”。申请。“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”first page“：“2652”，”doi“：”10.1016\/j.eswa.2013.11.009“，“article-title”：“使用sEMG信号提取和分析与肌肉疲劳状况相关的多时间窗特征”，“volume”：“41”，“author”：“Venugopal”，“year”：“2014”，“journal-title“：”Expert Syst.Appl.“}”，{“key”：”ref_10“，”doi-asserted-by“：”crossref“，”unstructured“：”Phinyomark，A.，N Khushaba，R.，and Scheme，E.（2018）。基于可穿戴肌电传感器的肌电控制特征提取与选择。传感器，18.”，“DOI”：“10.3390\\s18051615”}，｛“key”：“ref_11”，“DOI断言者”：“crossref”，“首页”：“549”，“DOI”：“10.1007\\s13246-018-0646-7”，“文章标题”：“识别基于特征选择的模式识别方案，用于从多通道肌电信号中识别手指运动”，“volume”：“41”，“author”：“Purushothaman”，“year”：“2018”新闻标题“：”澳大利亚物理。工程科学。Med.“}，{”key“：”ref_12“，”doi-asserted-by“：”crossref“，”unstructured“：”Too，J.，Abdullah，A.，Mohd-Saad，N.，Mohd-Ali，N.和Tee，W.（2018）。一种新的竞争性二元灰狼优化算法，用于解决肌电信号分类中的特征选择问题。计算机，7.“”，“doi”：“10.3390\/computers7040058”}，}“key”：“ref_13”，“doi-assert-by”：“”crossref“，”first-page“：”29“，”DOI“：”10.1016\/j.compbiochem.2007.09.005“，”article-title“：”使用基因表达数据进行特征选择的改进二进制PSO“，”volume“：”32“，”author“：”Chuang“，”year“：”2008“，”journal-title”：“Compute”。生物化学。“}，{”key“：”ref_14“，”doi-asserted-by“：”crossref“，”first-page“：”1656“，”doi“：”10.1109\/TSMCB.2012.227469“，”article-title“：”粒子群优化用于分类中的特征选择：多目标方法“，”volume“：“43”，”author“：”Xue“，”year“：”2013“，”journal-title”：“IEEE Trans.Cybern.”}，}“key”：“ref_15”，“doi-assert-by”：“cross”参考“，”首页“：”468“，”DOI“：”10.1016\/j.asoc.2017.04.025“，”article-title“：”基于个体差异进化的新型改进粒子群优化算法“，”volume“：”57“，”author“：”Gou“，”year“：”2017“，”journal-title”：“Appl。柔软。计算。“}，{”key“：”ref_16“，”doi-asserted-by“：”crossref“，”first-page“：”1135“，”doi“：”10.1109\/TSMC.2016.2560128“，”article-title“：”改进粒子群优化算法的监督学习和控制方法“，”volume“：“：”crossref“，”first page“：”248“，”DOI“：”10.1016\/j.asoc.2016.02.018“，”article-title“：”一个增强的粒子群优化算法，使用levy飞行进行全局优化“，”volume“：“43”，”author“：”Jensi“，”year“：”2016“，”journal-title”：“Appl。软计算。“}，{”key“：”ref_18“，”doi-asserted-by“：”crossref“，”first page“：“1609”，”doi“：”10.1007\/s10489-017-0989-x“，”article-title“：”使用改进的基于粒子群优化的特征选择的图像隐写分析“，”volume“：“首页”：“94”，“DOI“：”10.1016\/j.patrec.2014.10.007“，”article-title“：”用于高维特征选择、分类和验证的基于Hamming距离的二进制粒子群优化（HDBPSO）算法“，”volume“：”52“，”author“：”Banka“，”year“：”2015“，”journal-title”：“Pattern Recognit”。莱特。“}，{”key“：”ref_20“，”doi-asserted-by“：”crossref“，”first page“：“20”，”doi“：”10.1016\/j.asoc.2016.01.019“，”article-title“：”文本聚类中基于反相混沌适应度变异的自适应惯性权重BPSO特征选择“，”volume“：Kennedy，J.和Eberhart，R.C.（1997年1月12日\u201315）。粒子群算法的离散二进制版本。IEEE系统、人和控制论国际会议论文集，佛罗里达州奥兰多，美国。“}，{“key”：“ref_22”，“doi-asserted-by”：“crossref”，“unstructured”：“Too，J.，Abdullah，A.R.，Mohd-Saad，N.，and Tee，W.（2019）。使用Pbest Guide二进制粒子群优化进行肌电特征选择和分类。计算，7.”，“doi”：“10.3390\/compulation7010012“}，{“key”：“ref_23”，“doi-asserted-by”：“crossref”，“first page”：”528“，“doi”：“10.1016\/j.ejor.2010.02.032”，“article-title”：“二元分类问题中特征选择的离散粒子群优化方法”，“volume”：第206页，“author”：“Unler”，“year”：“2010”，“journal-title“：”Eur.j.Oper.Resref_24“，“doi-asserted-by”：“crossref”，“first page”：“281”，“doi”：“10.1016\/j.asoc.2015.10.004”，“article-title”：“用于粒子群优化的基于稳定性的新型自适应惯性权重”，“volume”：”38“，“author”：“Taherkhani”，“year”：“2016”，“journal-title“：”Appl。软计算。“｝，｛”key“：”ref_25“，”doi asserted by“：”crossref“，”first page“：”859“，”doi“：”10.1016\/j.cor.2004.08.012“，”文章标题“：”粒子群优化中动态自适应的非线性惯性权重变化“，”volume“：”33“，”author“：”Chatterjee“，”year“：”2006“，”期刊标题“：”Comput.Oper.Res.“｝，｛”key“：”ref_26“，”非结构化“：”Shi，Y.和Eberhart，R.（1998年，2013年1月4日）。一种改进的粒子群优化算法。IEEE进化计算国际会议论文集，安克雷奇，美国阿拉斯加州Neurocomputing“}，{”key“：”ref_28“，”doi-asserted-by“：”crossref“，”first-page“：”231“，”doi“：”10.1016\/j.eswa.2005.09.024“，”article-title“：”基于GA的支持向量机特征选择和参数优化“，”volume“：“31”，“author”：“Huang”，“year”：“2006”，“journal-title”：“Expert Syst.Appl.”}，}“key”：“ref_29”，“doi-assert-by”：“cross”参考“，”首页”：“727”，“DOI”：“10.1007\\s11047-009-9175-3”，“文章标题”：“BGSA:二进制引力搜索算法”，“卷”：“9”，“作者”：“Rashedi”，“年份”：“2010”，“期刊标题”：“Nat.Comput。“}，{”key“：”ref_30“，”doi-asserted-by“：”crossref“，”unstructured“：”Zawbaa，H.M.，Emary，E.，and Grosan，C.（2016）.混沌Antlion Optimization的特征选择.PLoS ONE，11.“，”doi“：”10.1371\/journal.pone.0150652“}”，{“，”文章标题“：”利用中子照相集进行Moth-firam群优化，用于乳腺癌组织学图像中的自动有丝分裂检测”，“卷”：“47”，“作者”：“Sayed”，“年份”：“2017年”，“期刊标题”：“应用。智力。“}]，”container-title“：[”Informatics“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2227-9709\/6\/21\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，“deposed”：{“date-parts”：[2024,6,17]]，“date-time”：“2024-06”-17T17:04:39Z“，”时间戳“：1718643879000}，”score“：1，”resource“：{主要”：{“URL”：“https:\\/www.mdpi.com\/2227-9709\/6\/21”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[[2019,5,8]]}，“references-count”：31，“journal-issue”：{issue“2”，“published-online”：{date-parts“：[2019,6]]}}”，“alternative-id”：[“informatics6020021”]，“URL”：“http://\/dx.doi.org\/10.3390\/informatics6020021“，”关系“：{}，”ISSN“：[”2227-9709“]，”ISSN-type“：[{”value“：”2227-7709“，”type“:”electronic“}]，”主题“：[]，”published“：{”date-parts“：[[2019,5,8]]}}}