文献

J-GLOBAL ID：202202243334446868   整理番号：22A0410398

対立ベース学習に基づく強化海洋捕食者アルゴリズムによる安定特徴選択の解析【JST・京大機械翻訳】

Analysing stable feature selection through an augmented marine predator algorithm based on opposition-based learning

著者 (3件)： Balakrishnan Kulanthaivel (Computer Science and Engineering, Indian Institute of Information Technology Tiruchirappalli, Tiruchirappalli, Tamil Nadu, India) ,  Dhanalakshmi Ramasamy (Computer Science and Engineering, Indian Institute of Information Technology Tiruchirappalli, Tiruchirappalli, Tamil Nadu, India) ,  Mahadeo Khaire Utkarsh (Data Science and Intelligent Systems, Indian Institute of Information Technology Dharwad, Dharwad, Karnataka, India)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 1  ページ： e12816  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  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関連情報を復元することは,予測モデルの分類精度を強化する。本研究は,高次元性の問題を克服するために,安定特徴選択のための反対学習に基づく改良海洋捕食者アルゴリズムを考案した。海洋捕食者アルゴリズムは,「生存の生存率-適合試験理論に働く集団ベースのメタヒューリスティック最適化アルゴリズムである。古典的海洋捕食者アルゴリズムは,単に1方向において探索空間を調査して,その収束能力に影響して,一方,局所極小における停滞の原因であった。提案した反対ベースの学習 nuは,海洋捕食者アルゴリズムの探査能力を強化して,モデルをグローバル最適条件に生産的に収束する。提案したOBLベースの海洋捕食者アルゴリズムは,6つの異なる高次元マイクロアレイデータセットから安定,実質的な要素を選択する。提案方法の性能を5つの主に使用された分類器を用いて研究する。その結果,提案方式は,収束能力,分類精度,および安定特徴選択に関して,他の従来の特徴選択技術より優れていることが理解される。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 ,  *学習 ,  最適化手法 ,  *海洋 ,  *特徴選択 ,  生存率 ,  *捕食者 ,  高次元 ,  最適条件 ,  予測モデル
準シソーラス用語： コンフォーマンス試験 ,  探索空間 ,  分類精度 ,  ヒューリスティック最適化 ,  高次元データ , 【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 ,  対立に基づく学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 学習 ,  強化 ,  海洋 ,  捕食者 ,  アルゴリズム ,  特徴選択 ,  解析