VCPA-Based Hybrid Strategy.zip

简介：
本研究提出了一种基于VCPA（虚拟细胞相空间分析）的混合策略，结合多种优化方法，以提高计算效率和准确性，在复杂系统建模与仿真中展现出优越性能。 在这项研究中，我们提出了一种基于连续缩小变量空间的混合特征选择策略，该方法的核心思想是变量组合群体分析（VCPA）。首先，在第一步中应用改进后的VCPA来不断缩小从大到小的变量空间，并进行优化；其次，在第二步使用迭代保留信息变量法（IRIV）和遗传算法（GA）进一步优化。这种混合策略充分利用了VCPA、GA以及IRIV的优点，弥补了它们在面对大量特征时可能存在的不足。 为了评估基于VCPA的混合方法的效果，我们采用了三个近红外光谱数据集，并使用包括两种常用的方法（竞争自适应重加权抽样法CARS和遗传算法-区间偏最小二乘GA-iPLS）以及一种混合方法（投影重要性与遗传算法结合VIP-GA）在内的三种变量选择技术进行了对比研究。