张天佑;傅秀菊;吴瑞克·肖旺;郭志强;Lee，Gary Kee Khoon先生 一种加速GA-SVM特征选择模型的集成方法。 （英语） Zbl 1202.68329号 Tenne，Yoel（编辑）等人，《优化中的计算智能》。应用程序和实施。柏林：施普林格出版社（ISBN 978-3-642-12774-8/hbk；978-3-442-12775-5/电子书）。适应、学习和优化7，285-298（2010）。 摘要：重要信息或特征往往被噪声掩盖，导致分类结果不佳。诸如GA-SVM的特征选择方法在过滤掉不相关的特征方面是可取的，从而提高准确性；选择本身也可能提供对问题的关键见解。然而，高计算成本极大地阻碍了GA-SVM的应用，尤其是对于大规模数据集。本文提出并实现了一种支持HPC的GA-SVM（HGA-SVM），它集成了数据并行、多线程和启发式技术，最终目标是保持健壮性和降低计算成本。我们提出的模型由四个改进策略组成：1）GA并行化，2）SVM并行化，3）邻域搜索和4）评估缓存。所有这四种策略都改进了特征选择算法的各个方面，共同有助于提高计算吞吐量。关于整个系列，请参见[Zbl 1192.68011号]. MSC公司： 68T05型 人工智能中的学习和自适应系统 68吨10 模式识别、语音识别 关键词：特征选择算法 PDF格式BibTeX公司 XML格式引用 \textit{T.Zhang}等人，改编。学习。最佳方案。7285-298（2010年；Zbl 1202.68329） 全文： 内政部