文献

J-GLOBAL ID：202202257406860107   整理番号：22A1155940

特徴選択と予測インフルエンザウイルスH1N1のための微分進化に基づくマルチリーダHarris hawk最適化【JST・京大機械翻訳】

A multi-leader Harris hawk optimization based on differential evolution for feature selection and prediction influenza viruses H1N1

著者 (5件)： Abd Elaziz Mohamed (School of Cyber Science & Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Abd Elaziz Mohamed (Department of Mathematics, Faculty of Science, Zagazig University, Zagazig, Egypt) ,  Yang Huiting (School of Cyber Science & Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Lu Songfeng (School of Cyber Science & Engineering, Huazhong University of Science and Technology, Wuhan, China) ,  Lu Songfeng (Shenzhen Huazhong University of Science and Technology Research Institute, Shenzhen, China)
資料名： Artificial Intelligence Review  (Artificial Intelligence Review)
巻： 55  号： 4  ページ： 2675-2732  発行年： 2022年 
JST資料番号： E0339C  ISSN： 0269-2821  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： 本研究では,Harris hawk最適化(HHO)の修正を導入し,特徴選択に適用した。提案したHHO変異体は,微分進化(MLHHDE)を有するハイブリッドマルチリーダHHOと呼ばれる。検索プロセスの間に局所最適に落下する状況を克服するのを助けるために,改良メモリ構造を導入し,それは,歴史的最良およびグローバル最良位置から同時に学習する。さらに,マルチリーダ機構も紹介して,グローバル最良メモリ(リーダ)から貴重な情報を完全に利用し,hawksの探索モードの多様性を強化して,hawksの探査能力を改善した。さらに,微分進化操作をHHOに統合して,弱い探査位相をさらに改善した。提案したMLHHDEアルゴリズムはV形伝達関数を統合し,連続解を二値解に変換することができる。MLHHDEの修正を検証するために,その性能を3つの実験を通して先進最適化アルゴリズムと比較した。最初の実験では,CEC2017ベンチマークから一連の問題を解決するMLHHDEの性能を評価する。一方,第2の実験は,UCIリポジトリから16データセットのセットに適用することによって,特徴選択タスクに取り組むために,MLHHDEのバイナリバージョンを適用することを狙った。第3に,実際の応用としてインフルエンザウイルスH1N1を予測するための定量的構造活性相関法として提案モデルを適用した。提案したMLHHDEの性能を,多数の評価指標を用いて評価した。実験結果は,MLHHDEの強力な能力が,2つの実験における最適解を見つけるだけでなく,他の方法(即ち,大域的最適化または特徴選択のどちらか)より優れていることを証明した。さらに,開発したMLHHDEは,それと従来のHHOの間の5%の差で,ほぼ84%のUCIデータセットを全体的に提供し,また,それは,H1N1を予測するために適用したとき,標準偏差で92%の精度を提供した。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 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 ,  記憶装置 ,  *最適化 ,  伝達関数 ,  標準偏差 ,  最適化手法 ,  *インフルエンザウイルス ,  *特徴選択 ,  位相 ,  ベンチマーク ,  リポジトリ ,  *進化的計算
準シソーラス用語： 最適解 ,  大域的最適化 ,  評価指標 ,  *微分進化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択(FS) ,  Harris Hawk最適化(HHO) ,  微分進化(DE) ,  マルチリーダ機構 ,  メタヒューリスティックス

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 特徴選択 ,  予測 ,  インフルエンザウイルス ,  微分進化 ,  マルチ ,  リーダ ,  最適化