文献

J-GLOBAL ID：202002283388660950   整理番号：20A0828110

効率的なホタル灰色Wolf支援k-最近傍分類器を用いた学生のグリーン消費行動の予測【JST・京大機械翻訳】

Predicting Green Consumption Behaviors of Students Using Efficient Firefly Grey Wolf-Assisted K-Nearest Neighbor Classifiers

著者 (8件)： Tang Hua (School of Business, Wenzhou University, Wenzhou, China) ,  Xu Yueting (College of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou, China) ,  Lin Aiju (College of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou, China) ,  Heidari Ali Asghar (School of Surveying and Geospatial Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Wang Mingjing (Institute of Research and Development, Duy Tan University, Da Nang, Vietnam) ,  Chen Huiling (College of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou, China) ,  Luo Yungang (Department of Stomatology, The Second Hospital of Jilin University, Changchun, China) ,  Li Chengye (Department of Pulmonary and Critical Care Medicine, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 35546-35562  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 大学生のグリーン消費行動の理解は,大学の公共および教育政策を更新するために高度に要求されている。この目的のために,本研究は,顕著な特徴を同定し,大学生のグリーン消費行動を予測するための効率的なモデルを進めることを目的としている。提案した予測モデルは,OBLFA_GWOと呼ばれる効果的な群知能法を用いたK最近傍(KNN)に基づいている。最適化コアは,灰色wolアルゴリズム(GWO)の未成熟収束を緩和するために,ホタルアルゴリズム(FA)と反対ベース学習(OBL)の利点を利用する。提案した予測フレームワークにおいて,OBLFA_GWOを利用して,影響力のある特徴を同定した。次に,強化KNNモデルを用いて,サンプル中の特徴の重要性と相互関係を同定し,意思決定支援のための効果的で安定な予測モデルを構築した。5つの他のよく知られたアルゴリズムを用いて,13のベンチマークテスト問題を用いて提案したOBLFA_GWO戦略の有効性を検証した。また,他のピアに対する提案したOBLFA_GWOの重要性を検証するために,非パラメトリック統計的Wilcoxon符号ランクとFriedman試験を行った。実験結果は,FAとOBLが最適化タスクを扱うことにおいてGWOのコア探索と爆発的傾向を著しく高めることができることを示した。また,OBLFA_GWOベースKNN(OBLFA_GWO-KNN)モデルを,カーネル極値学習機械(KELM),逆伝搬ニューラルネットワーク法(BPNN),およびランダムフォレスト(RF)の4つの古典的分類器,および4つの標準評価指標の観点から5つの先進的特徴選択法と比較した。実験結果は,提案したOBLFA_GWO-KNNの分類精度が9つの大学から収集した実生活データセットに関して96.334%に達することができることを示した。また,提案したバイナリOBLFA_GWOアルゴリズムは,他のピアと比較してKNNの分類性能を改善した。完全に,確立した適応OBLFA_GWO-KNNモデルは,グリーン消費の学生の行動を予測するための有用なツールと考えることができる。Copyright 2020 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： 予測モデル ,  大学生 ,  最適化 ,  有効性 ,  学習 ,  学習機械 ,  *アルゴリズム
準シソーラス用語： バイナリー ,  分類精度 ,  評価指標 ,  ランダムフォレスト ,  逆伝播ニューラルネットワーク ,  ホタルアルゴリズム ,  群知能 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： ホタル ,  灰色 ,  支援 ,  分類器 ,  学生 ,  グリーン ,  消費行動 ,  予測