...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of ambient intelligence and humanized computing >Improved salp swarm algorithm based on particle swarm optimization for feature selection
【24h】

Improved salp swarm algorithm based on particle swarm optimization for feature selection

机译：基于粒子群优化的特征选择改进SALP群算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Feature selection (FS) is a machine learning process commonly used to reduce the high dimensionality problems of datasets. This task permits to extract the most representative information of high sized pools of data, reducing the computational effort in other tasks as classification. This article presents a hybrid optimization method for the FS problem; it combines the slap swarm algorithm (SSA) with the particle swarm optimization. The hybridization between both approaches creates an algorithm called SSAPSO, in which the efficacy of the exploration and the exploitation steps is improved. To verify the performance of the proposed algorithm, it is tested over two experimental series, in the first one, it is compared with other similar approaches using benchmark functions. Meanwhile, in the second set of experiments, the SSAPSO is used to determine the best set of features using different UCI datasets. Where the redundant or the confusing features are removed from the original dataset while keeping or yielding a better accuracy. The experimental results provide the evidence of the enhancement in the SSAPSO regarding the performance and the accuracy without affecting the computational effort.
机译：特征选择（FS）是一种常用的机器学习过程，用于减少数据集的高维度问题。此任务许可允许提取高大小的数据池的最代表性信息，将其他任务中的计算工作降低为分类。本文介绍了FS问题的混合优化方法;它将Slap Swarm算法（SSA）与粒子群优化结合起来。两种方法之间的杂交创建了一种称为SSAPSO的算法，其中探索的功效和剥削步骤得到了改善。为了验证所提出的算法的性能，它经过两个实验系列测试，在第一个实验系列中，它与使用基准函数的其他类似方法进行比较。同时，在第二组实验中，SSAPSO用于确定使用不同的UCI数据集的最佳功能集。在保持或产生更好的准确度的同时从原始数据集中删除冗余或困难功能。实验结果提供了SSAPSO的提高的证据，而不是影响计算工作的表现和准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号