文献

J-GLOBAL ID：201802242072550714   整理番号：18A1511354

ENN分類器によるBPSO-EAを用いた特徴選択法【JST・京大機械翻訳】

Feature Selection Method Using BPSO-EA with ENN Classifier

著者 (4件)： Zhang Nian (Univ. of the District of Columbia, Dept. of Electrical and Computer Eng, Washington, D.C, 20008, USA) ,  Xiong Jiang (Chongqing Three Gorges University, College of Computer Science and Eng, Chongqing, 404000, China) ,  Zhong Jing (Chongqing Three Gorges University, College of Computer Science and Eng, Chongqing, 404000, China) ,  Thompson Lara (Univ. of the District of Columbia, Dept. of Mechanical Eng, Washington, D.C, 20008, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIST  ページ： 364-369  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,ハイブリッド二値粒子群最適化(BPSO)と進化的アルゴリズム(EA)ベースの特徴選択法を開発した。二値PSOの概念に触発されて,粒子の位置更新過程を二値探索空間において設計した。適応度関数をENN分類器の精度として定義した。ハイブリッドBPSO-EA学習アルゴリズムを用いた特徴選択法を開発し,記述した。実験には,ENN分類精度とBPSO-EA特徴選択法の有無の比較を含んでいる。提案したBPSO-EA-ENN法とBPSO+CC4.5法の間の特徴低減率も比較した。さらに,BPSO-EA-ENNを他の分類法と比較した。実験結果は,提案したBPSO-EA特徴選択法が分類精度を改善することを実証した。加えて,著者らの提案方法は,Ionoereデータセットに関するBPSO+C4.5特徴選択方法より高い改良精度と特徴減少比率を持って,同様に,Moving Libraデータセットに関するBPSO+C4.5方法より良い正確さ比率を持った。さらに,提案したBPSO-EA-ENNの全体的な分類精度は,8つのUCIデータセットに関するENN,KNN,Naive Bayes,およびLDA分類法より優れている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *特徴選択 ,  学習アルゴリズム
準シソーラス用語： 選択法 ,  分類法 ,  分類精度 ,  適応度関数 ,  探索空間 ,  進化的アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 分類器 ,  特徴選択