文献

J-GLOBAL ID：201802210115359366   整理番号：18A0621985

特徴選択と最適化のための粒状情報を用いた新しいハイブリッド遺伝的アルゴリズム【Powered by NICT】

A novel hybrid genetic algorithm with granular information for feature selection and optimization

著者 (4件)： Dong Hongbin (College of Computer Science and Technology, Harbin Engineering University, Harbin, Heilongjiang, China) ,  Li Tao (College of Computer Science and Technology, Harbin Engineering University, Harbin, Heilongjiang, China) ,  Ding Rui (College of Computer Science and Technology, Harbin Engineering University, Harbin, Heilongjiang, China) ,  Sun Jing (College of Computer Science and Technology, Harbin Engineering University, Harbin, Heilongjiang, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 65  ページ： 33-46  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 特徴選択はデータマイニングおよびパターン認識のためのかなりの作業であった。最小冗長性と最大識別能力を持つ最適特徴部分集合を選択することを目的とした。本論文では,データとアルゴリズムの二つの側面からの特徴選択法を解析した。冗長な特徴と高次元低サンプルデータと低次元と高サンプルデータの中で関連性の無い特徴を取り扱うために,粒状情報に基づく特徴選択アルゴリズムモデルを本論文で提示した。このように,本研究では粒状性レベルは,特徴選択のための分類精度と特徴部分集合の大きさの両方にどのように影響するか実験的に検討した。まず第一に,特徴造粒(IBGAFG)と改善された2元遺伝的アルゴリズムを用いて,重要な特徴を選択することである。試料造粒(INRSG)を用いた改良型近傍ラフ集合は,様々な粒状半径,特徴部分集合の品質をさらに改善する下で提案された。最後に,最適粒状半径を見出すために,遺伝的アルゴリズム(ROGA)に基づく粒度λ最適化を提示した。最適粒度パラメータは,分類精度のフィードバックに応じて適応的に見出される。提案したアルゴリズムの性能を,十一種類の公開利用可能なデータセットで試験し,他の監視法や進化的アルゴリズムと比較した。ROGAアルゴリズムは企業財務データセット,財政状態に影響する特徴を選択に適用した。実験結果は,アプローチは効率的であり,粒状情報を用いた高い分類精度を提供することができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ラフ集合 ,  *最適化 ,  *アルゴリズム ,  *特徴選択 ,  部分集合 ,  *遺伝的アルゴリズム ,  パターン認識 ,  品質 ,  冗長性 ,  粒状性 ,  高次元 ,  データマイニング ,  造粒
準シソーラス用語： 進化的アルゴリズム ,  分類精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択 ,  粒状計算 ,  遺伝的アルゴリズム ,  ラフ集合 ,  パラメータ最適化

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 特徴選択 ,  最適化 ,  ハイブリッド遺伝的アルゴリズム