2020年12月31日，云基智能机器人实验室最新研究成果“An EvolutionaryMultitasking-Based Feature Selection Method for High-Dimensional Classification”被《IEEE Transactions on Cybernetics》在线发表，该期刊为SCI一区，中科院TOP期刊，是中国计算机学会推荐的人工智能领域B类期刊，侧重于机器学习和控制理论的研究与应用，2019年影响因子为11.079。博士生陈科为该论文的第一作者，周风余教授为通讯作者，新西兰惠灵顿维多利亚大学张孟杰教授（新西兰皇家科学院院士、IEEE Fellow）和薛冰教授为合作作者。该论文是陈科博士在新西兰惠灵顿维多利亚大学联合培养期间取得的又一高水平成果。
该成果主要针对高维特征选择（High-dimensional Feature Selection）问题，采用多任务智能优化中知识迁移的思想，提出了一种基于粒子群优化算法和多任务智能优化的高维特征选择方法。具体来说，通过评估数据集合中特征的重要性，建立了两个与目标概念相关的任务，并通过设计的交叉算子实现了这两个任务之间的知识迁移。此外，还提出了变范围策略和子集更新机制，分别用于减少搜索空间和保持种群的多样性。通过与其它特征选择算法在18个真实高维分类问题上进行对比，结果表明，本研究提出的特征选择方法能够在较短的时间内选择较小的特征子集，并取得较较高的分类精度。
图1 所提特征选择算法流程图
该研究得到了国家重点研发计划（2017YFB1302400），国家自然科学基金（61773242, 61803227和61876169），山东省农业应用技术重大创新项目（SD2019NJ014），智能机器人与系统创新中心基金会（2019IRS19），国家留学基金委（201806220187）等项目的资助。