文献

J-GLOBAL ID：202202212155877042   整理番号：22A0552260

特徴選択のためのランダム対立ベース学習に基づく海洋捕食者アルゴリズムの励起【JST・京大機械翻訳】

Excogitating marine predators algorithm based on random opposition-based learning for feature selection

著者 (3件)： Balakrishnan Kulanthaivel (Department of Computer Science and Engineering, Indian Institute of Information Technology Tiruchirappalli, Tiruchirappalli, India) ,  Dhanalakshmi Ramasamy (Department of Computer Science and Engineering, Indian Institute of Information Technology Tiruchirappalli, Tiruchirappalli, India) ,  Mahadeo Khaire Utkarsh (Department of Data Science and Intelligent Systems, Indian Institute of Information Technology Dharwad, Dharwad, India)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 4  ページ： e6630  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  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： 高次元データセットからの正確な情報を得ることは,データセットがより多くの特徴および少ないサンプルを含むので,最も困難なタスクの1つである。データセットの高次元性は予測能力を低下させ,解析モデルの計算複雑性を増加させる。高次元データセットの課題を扱うためのメタヒューリスティック法の普及は,近年例外的であった。海洋捕食者アルゴリズム(MPA)は,最近開発した「適合試験」概念に基づくメタヒューリスティックアルゴリズムである。本研究では,既存のMPAの欠点を克服し,ランダムオプポジションベース学習(ROBL)を用いた特徴選択モデルを提案した。従来のMPAの単一方向における最適解の探索はその性能を低下させる。MPAへのROBLの取り込みは,より大きな探索空間を再構成するその能力を強化する。提案したアルゴリズムは,初期およびランダム逆数母集団に基づく新しい母集団を生成する。ROBL-MPAの性能を,6つの高次元マイクロアレイデータセットで検査した。提案したROBL-MPAの結果を従来のMPAと反対ベースMPA(OBL-MPA)と比較した。提案したROBL-MPAは,いくつかのベンチマーク性能解析試験に基づく従来のMPAより優れている。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *励起 ,  *学習 ,  *海洋 ,  発見的方法 ,  *特徴選択 ,  計算量 ,  *捕食者 ,  高次元 ,  母集団 ,  ベンチマーク ,  性能分析 ,  解析モデル
準シソーラス用語： 最適解 ,  ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  海洋捕食者アルゴリズム ,  メタヒューリスティック最適化 ,  ランダム対立ベース学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 特徴選択 ,  学習 ,  海洋 ,  捕食者 ,  アルゴリズム ,  励起