文献

J-GLOBAL ID：202002242483582201   整理番号：20A0533400

人工蜂コロニーに基づく多目的特徴選択:可変サンプルサイズによる加速アプローチ【JST・京大機械翻訳】

Multi-objective feature selection based on artificial bee colony: An acceleration approach with variable sample size

著者 (6件)： Wang Xiao-han (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Wang Xiao-han (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Zhang Yong (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Sun Xiao-yan (School of Information and Control Engineering, China University of Mining and Technology, Xuzhou, China) ,  Wang Yong-li (School of Business Administration, North China Electric Power University, Beijing, China) ,  Du Chang-he (Qingdao University Information Industry Corp. Ltd., Qingdao, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 88  ページ： Null  発行年： 2020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： 個体群における個体を評価するために分類器を繰り返し呼ぶ必要性のために,既存の進化的特徴選択アルゴリズムには,高い計算コストの欠点がある。それを考慮して,本論文はサンプル縮小戦略と進化的アルゴリズムに基づく多目的特徴選択フレームワークを研究して,最適結果に影響することなくアルゴリズムの計算コストを著しく減少させた。フレームワークにおいて,K-平均クラスタ化ベースの微分選択と呼ばれる代表的サンプルの選択戦略,およびはしご状サンプル利用戦略を提案して,進化的プロセスにおいて使用されるサンプルのサイズを減少させた。さらに,FMABC-FSと呼ばれる高速多目的進化特徴選択アルゴリズムを,フレームワークへの粒子更新モデルに基づく改良人工ミツバチコロニーアルゴリズムを埋め込むことによって提案した。いくつかの典型的UCIデータセットにFMABC-FSを適用することによって,3つの多目的特徴選択アルゴリズムと比較して,実験結果は,提案した可変サンプルサイズ戦略がFMABC-FSにより適していて,FMABC-FSがそれらの比較アルゴリズムよりはるかに少ない実行時間でより良い特徴部分集合を得ることができることを示した。Copyright 2020 Elsevier B.V., Amsterdam. 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 ,  アルゴリズム ,  個体群 ,  梯子 ,  微分 ,  クラスタ化
準シソーラス用語： 実行時間 ,  進化的アルゴリズム ,  計算コスト ,  *人工ハチコロニー , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工蜂コロニー ,  特徴選択 ,  多目的最適化 ,  可変サンプルサイズ

分類 (2件)： 人工知能  (JE08000Z) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (6件)： 人工蜂コロニー ,  多目的 ,  特徴選択 ,  可変 ,  サンプルサイズ ,  加速