文献

J-GLOBAL ID：201802247773616947   整理番号：18A0126564

粒子群ベースの特徴選択のための二次元(2 D)学習フレームワーク【Powered by NICT】

A two-dimensional (2-D) learning framework for Particle Swarm based feature selection

著者 (4件)： Hafiz Faizal (Department of Electrical & Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Swain Akshya (Department of Electrical & Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Patel Nitish (Department of Electrical & Computer Engineering, The University of Auckland, Auckland, New Zealand) ,  Naik Chirag (Sarvajanik College of Engineering & Technology, Surat, India)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 76  ページ： 416-433  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 本論文では,粒子群最適化に基づく特徴選択のための新しい一般化された二次元学習アプローチを提案した。提案アプローチの中核となる考えは,速度の次元を拡張してサブセット濃度学習フレームワークにについての情報を含めることである。2D学習フレームワークは,元のPSO(粒子群最適化)のすべての重要な特徴を保持し,余分な学習寸法にもかかわらず。PSO(粒子群最適化)の一般的な変異体の大部分は特徴選択問題に対するこの2D学習フレームワークにも容易に適用可能である。提案学習アプローチの有効性は,いくつかのベンチマークデータと二誘導アルゴリズムを考慮して評価した:Naive Bayesおよびk-最近傍。GA,ACOと他の五種のPSO(粒子群最適化)変異体との複雑さの分析を含む比較研究の結果は,提案した2D学習アプローチは,より短い実行時間で比較的小さな濃度と良好な分類性能を有する特徴部分集合を与えることを示した。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： *学習 ,  アルゴリズム ,  *二次元 ,  部分集合 ,  *特徴選択
準シソーラス用語： 実行時間 ,  複雑性 ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類 ,  次元縮小 ,  特徴選択 ,  パーティクルスワーム最適化 ,  機械学習

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

タイトルに関連する用語 (4件)： 粒子群 ,  特徴選択 ,  学習 ,  フレームワーク