Apacheスパーク下のカオスバイナリ微分進化によるビッグデータのための特徴部分集合選択【JST・京大機械翻訳】

Vivek Yelleti; Ravi Vadlamani; Radhakrishna P.

プレプリント

J-GLOBAL ID：202202217232044288 整理番号：22P0286407

Apacheスパーク下のカオスバイナリ微分進化によるビッグデータのための特徴部分集合選択【JST・京大機械翻訳】

Feature subset selection for Big Data via Chaotic Binary Differential Evolution under Apache Spark

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月08日プレプリントサーバーでの情報更新日： 2022年02月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ラッパーアプローチを用いた特徴部分集合選択(FSS)は,2つの目的関数,すなわち,選択された特徴部分集合の基数,すなわち最小化されるべきROC曲線(AUC)の下で最小化され,対応する領域,を持つ組合せ最適化問題である。本研究では,基本性とAUCを含む新しい乗算単一目的関数を提案した。二元微分進化(BDE)に関与するランダム性は,局所極小にトラップされるより多様な解を与える。したがって,著者らは,BDEにロジスティックとTentカオスマップを埋め込んで,それをカオスバイナリ微分進化(CBDE)として呼んだ。FSSに対するスケーラブルな解の設計は,高次元で大量のデータセットを扱う際に重要である。したがって,データを複数の分割/島に分割するスケーラブルな島(iS)ベースの並列化アプローチを提案し,それによって,解は個々に進化し,最終的に移動戦略で結合した。結果は,提案した並列カオスバイナリ微分進化(P-CBDE-iS)が,並列のバイナリー微分進化(P-BDE-iS)より良い品質特徴部分集合を見つけることができることを経験的に示した。ロジスティック回帰(LR)は,その単純さと電力のために分類器として使用される。提案した並列アプローチによって達成された高速化は,重要性を意味する。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

信頼性 , 数値計算

, , , , , ,

前のページに戻る