文献

J-GLOBAL ID：202202244205194712   整理番号：22A0968006

生物医学データ分類における特徴選択のための効率的なバイナリキップ最適化アルゴリズム【JST・京大機械翻訳】

An efficient binary chimp optimization algorithm for feature selection in biomedical data classification

著者 (2件)： Pashaei Elnaz (Department of Software Engineering, Istanbul Aydin University, Istanbul, Turkey) ,  Pashaei Elham (Department of Computer Engineering, Istanbul Gelisim University, Istanbul, Turkey)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 8  ページ： 6427-6451  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 高次元バイオメディカルデータの正確な分類は,診断関連疾患の診断に使用できるデータの主な特徴の効率的な認識に大きく依存している。しかし,生物医学データにおける多数の無関係または冗長な特徴の存在のため,分類手法は特徴選択アルゴリズムなしでデータ中のパターンを正しく同定する。特徴選択手法は,分類精度を維持または強化するために,無関係で冗長な特徴を除去することを追求する。本論文では,生物医学データ分類のためのチャープ最適化アルゴリズム(ChOA)に基づく新しいラッパー特徴選択法を提案した。ChOAは,特徴選択問題を解く能力がまだ調べられていない新しく提案されたメタヒューリスティックアルゴリズムである。特徴選択問題のために,ChoAの2つのバイナリ変異体を導入した。最初のアプローチでは,2つの伝達関数(S形とV形)を用いて,ChoAの連続バージョンを二値に変換した。伝達関数に加えて,交差オペレータを,ChOAの探索行動を改善するために,第2のアプローチで利用した。提案したアプローチの効率を検証するために,5つの公的に利用可能な高次元生物医学データセット,およびライフ,テキスト,および画像のような異なるドメインからの2,3のデータセットを採用した。次に,提案したアプローチを,多目的遺伝的アルゴリズム(GA),粒子群最適化(PSO),Batアルゴリズム(BA),アリコロニー最適化(ACO),ホタルアルゴリズム(FA),および花受粉(FP)アルゴリズム,および3つの異なる分類器を用いた2つの標準フィルタベースの特徴選択法を含む,6つのよく知られたラッパーベースの特徴選択法と比較した。実験結果は,提案した方式が最少の有意特性を効果的に除去し,分類精度を改善することを証明した。また,提案したラッパー特徴選択技術は,選択した遺伝子の数およびほとんどの場合における分類精度に関して,GA,PSO,BA,ACO,FA,FPおよびその他の既存の方法より優れている。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 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 ,  *最適化 ,  伝達関数 ,  冗長性 ,  オペレータ ,  遺伝子 ,  *特徴選択 ,  受粉 ,  高次元 ,  探索行動 ,  チャープ
準シソーラス用語： 粒子群最適化 ,  ラッパー ,  *生物医学 ,  ヒューリスティック , 【Automatic Indexing@JST】

著者キーワード (5件)： チンパンジー最適化アルゴリズム ,  特徴選択 ,  生物医学データ ,  分類 ,  最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 生物医学 ,  データ分類 ,  特徴選択 ,  バイナリ ,  キップ ,  最適化アルゴリズム