粒子群算法是一种经典的智能优化算法,具有搜寻范围大与收敛速度快的优点,在特征选择方面得到广泛应用.提出一种基于改进粒子群算法的特征选择方法,旨在解决传统粒子群算法缺乏粒子多样性和容易陷入局部收敛的问题.该方法从初始化策略、惯性权重和学习因子更新方式3个方面对传统粒子群算法进行改进;同时,考虑分类精度和特征选择数量,构造一个新的适应度函数来进行特征备选;最后,通过2组仿真实验比较所提算法和传统粒子群算法在特征选择数量和精度方面的表现.结果表明:所提算法在各种维度的数据上都具有显著优势,能够有效提高分类精度和特征选择效率,为解决智能优化问题提供一种有效的途径.