• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Memetic computing >PSO with surrogate models for feature selection: static and dynamic clustering-based methods
【24h】

PSO with surrogate models for feature selection: static and dynamic clustering-based methods

机译：PSO带有代理模型的特征选择：基于静态和动态聚类的方法

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 is an important but often expensive process, especially with a large number of instances. This problem can be addressed by using a small training set, i.e. a surrogate set. In this work, we propose to use a hierarchical clustering method to build various surrogate sets, which allows to analyze the effect of surrogate sets with different qualities and quantities on the feature subsets. Further, a dynamic surrogate model is proposed to automatically adjust surrogate sets for different datasets. Based on this idea, a feature selection system is developed using particle swarm optimization as the search mechanism. The experiments show that the hierarchical clustering method can build better surrogate sets to reduce the computational time, improve the feature selection performance, and alleviate overfitting. The dynamic method can automatically choose suitable surrogate sets to further improve the classification accuracy.
机译：特征选择是一个重要但通常是昂贵的过程，尤其是大量实例。 使用小型训练集，即代理集可以解决这个问题。 在这项工作中，我们建议使用分层聚类方法来构建各种代理集，这允许分析特征子集中不同品质和数量的代理集的效果。 此外，提出了一种动态代理模型以自动调整不同数据集的代理集。 基于此思想，使用粒子群优化作为搜索机制开发了一个特征选择系统。 实验表明，分层聚类方法可以构建更好的代理集以减少计算时间，提高特征选择性能，并减轻过度装箱。 动态方法可以自动选择合适的代理集，以进一步提高分类准确性。

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