张天佑;傅秀菊;吴瑞克·肖旺;郭志强;Lee,Gary Kee Khoon先生 一种加速GA-SVM特征选择模型的集成方法。 (英语) Zbl 1202.68329号 Tenne,Yoel(编辑)等人,《优化中的计算智能》。应用程序和实施。柏林:施普林格出版社(ISBN 978-3-642-12774-8/hbk;978-3-442-12775-5/电子书)。适应、学习和优化7,285-298(2010)。 摘要:重要信息或特征往往被噪声掩盖,导致分类结果不佳。诸如GA-SVM的特征选择方法在过滤掉不相关的特征方面是可取的,从而提高准确性;选择本身也可能提供对问题的关键见解。然而,高计算成本极大地阻碍了GA-SVM的应用,尤其是对于大规模数据集。本文提出并实现了一种支持HPC的GA-SVM(HGA-SVM),它集成了数据并行、多线程和启发式技术,最终目标是保持健壮性和降低计算成本。我们提出的模型由四个改进策略组成:1)GA并行化,2)SVM并行化,3)邻域搜索和4)评估缓存。所有这四种策略都改进了特征选择算法的各个方面,共同有助于提高计算吞吐量。关于整个系列,请参见[Zbl 1192.68011号]. MSC公司: 68T05型 人工智能中的学习和自适应系统 68吨10 模式识别、语音识别 关键词:特征选择算法 PDF格式BibTeX公司 XML格式引用 \textit{T.Zhang}等人,改编。学习。最佳方案。7285-298(2010年;Zbl 1202.68329) 全文: 内政部