文献

J-GLOBAL ID：201802296785025000   整理番号：18A1147164

ビッグデータにおける最適特徴選択のための加速人工蜂コロニー最適化-人工神経回路網【JST・京大機械翻訳】

Acceleration artificial bee colony optimization-artificial neural network for optimal feature selection over big data

著者 (2件)： Meera S. (Department of Computer Science & Research Dr. N.G.P College of Arts and Science Coimbatore, Tamilnadu, India) ,  Jeetha B. Rosiline (Department of Computer Science & Research Dr. N.G.P College of Arts and Science Coimbatore, Tamilnadu, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICPCSI  ページ： 1698-1706  発行年： 2017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： 正確な分類モデルを構築するための高次元データからの特徴の適切なセットの発見は近年困難である。先行研究において,加速粒子群最適化サポートベクトルマシン(APSO-SVM)および加速度人工ビームコロニー-改良型変換SVM(AABC-ITSVM)を,大規模データ上の特徴選択プロセスを扱うために導入した。しかしながら,これらの方法は,データセットの計算複雑性と精度を有する問題である。上記の問題を避けるために,提案したシステムにおいて,AABC人工ニューラルネットワーク(ANN)を提案した。本研究は,前処理,特徴選択および分類のようなモジュールを含んだ。前処理において,ノイズデータを効率的に扱うために使用されるk最近傍アルゴリズムを適用した。データセットのサイズは著しく減少した。次に,これらの特徴を特徴選択プロセスに取り入れた。本研究では,AABCアルゴリズムを用いて特徴選択を行った。AABC最適化アルゴリズムを用いて,前処理データから重要で関連する特徴を選択した。次に,人工ニューラルネットワーク(ANN)を用いて分類を行い,与えられた大量のデータセットに対するより正確な分類結果を分類した。ANNは入力,隠れ,出力層の3層を含む。ニューロンを用いて時間複雑性を改善することを提案した。実験結果は,提案したシステムが,AABC-ANNアプローチを用いることにより,より高い精度,再現性,精度,f測度,およびより低い時間複雑性の点で優れた性能を与えることを証明した。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： 再現性 ,  *最適化 ,  サポートベクトルマシン ,  ニューロン ,  *ニューラルネットワーク ,  計算量 ,  前処理 ,  *特徴選択 ,  測度 ,  加速度 ,  アルゴリズム
準シソーラス用語： 複雑性 ,  最適アルゴリズム ,  粒子群最適化 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ビッグデータ ,  特徴選択 ,  加速 ,  人工蜂コロニー ,  最適化 ,  人工神経回路網