×
Abdelmonem M.易卜拉欣。；Tawhid，医学硕士。；Rabab K·沃德。

用于特征选择的二进制水波优化。 （英语） Zbl 1433.68410号

国际J近似推理 120, 74-91 (2020).
摘要：提出了一种搜索方法，该方法可以找到（在特征空间上）产生最大分类精度的最小特征子集。该方法采用粗糙集理论（RST）和新引入的二进制版本的水波优化方法（WWO），以BWWO表示。WWO模拟了水波的传播、折射和破碎等现象，是解决全局优化问题的最新自然启发方法之一。在我们的方法中，BWWO在二进制版本中利用了水波传播、折射和破碎现象。基于粗糙集方法和包装器方法作为目标函数的一部分进行了两个主要实验，以验证所提算法的性能。在第一个实验中，在16个不同的数据集上验证了基于RST的方法的有效性。将该方法与各种典型的属性约简方法和文献中流行的优化方法进行了比较，如蚁群算法、非线性大洪水算法、分散搜索等。在第二个实验中，在17个不同的数据集上获得了一个最大化分类精度的特征子集（使用交叉验证的（k）NN分类器），同时最小化了所选特征的数量。在包装实验中，将BWWO算法与二进制灰狼算法、二进制粒子群算法、二进制猫群算法、二元蜻蜓算法和二进制蝙蝠算法进行了比较。计算结果证明了该方法在寻找最小特征子集以最大化分类精度方面的效率和有效性。此外，本研究在5%显著性水平下进行了弗里德曼检验和威尔科克森秩和检验。

引用于2文件

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
68T05型 人工智能中的学习和自适应系统

关键词：

分类；特征选择；元启发式；粗糙集理论；水波优化；包装器方法

软件：

BGSA公司；UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{A.M.Ibrahim}等人，《国际近似推理》120，74-91（2020；Zbl 1433.68410）
全文： 内政部

参考文献：

[1] E.Gasca，J.Sánchez，使用一种新的基于mlp的特征选择方法消除冗余和不相关性·兹比尔1080.68640
[2] Hedar，A。；易卜拉欣，A.M。；Abdel-Hakim，A.E。；Sewisy，A.A.，《K-means克隆：自适应球形K-means聚类》，《算法》，第11期，第10期（2018年）·Zbl 1461.62096号
[3] 帕帕科斯塔斯，G.A。；Koulouriotis，D.E。；Polydoros，A.S。；Tourassis，V.D.，《模式识别应用的进化特征子集选择》，443-458（2011年4月），INTECH Open Access Publisher
[4] 杨振明。；何振英。；Shao，Y.-H.，基于线性双支持向量机的特征选择，信息技术与定量管理国际会议。信息技术和定量管理国际会议，Proc。计算。科学。，17, 1039-1046 (2013)
[5] 达什，M。；Liu，H.，分类特征选择，Intell。数据分析。，1, 1, 131-156 (1997)
[6] Pawlak，Z.，《粗糙集：数据推理的理论方面》（Rough Sets:Theory Aspects of Reasoning about Data）（1991年），Kluwer Academic Publishers：Kluwer-Academical Publishers Dordrecht，荷兰·Zbl 0758.68054号
[7] Pawlak，Z.，《粗糙集：现状与未来》，Found。计算。决策科学。，18, 3-4, 157-166 (1993) ·Zbl 0803.04007号
[8] Pawlak，Z.，《粗糙集与智能数据分析》，信息科学。，147, 1, 1-12 (2002) ·Zbl 1018.68082号
[9] 乔丘拉斯，A。；Shen，Q.，用于文本分类的粗糙集辅助关键字约简，应用。Artif公司。智力。，15, 9, 843-873 (2001)
[10] Jensen，R。；沈庆，《WWW书签分类的粗略设置辅助系统》，95-105（2001），施普林格·柏林-海德堡：施普林格-柏林-海德堡-柏林，海德堡·Zbl 1031.68760号
[11] 贾，X。；Liao，W。；唐，Z。；Shang，L.，决策论粗糙集模型中的最小成本属性约简，信息科学。，219，补编C，151-167（2013）·Zbl 1293.91049号
[12] Jensen，R。；Shen，Q.，《语义保持维度约简：粗糙和模糊粗糙方法》，IEEE Trans。知识。数据工程，16，12，1457-1471（2004年12月）
[13] 苏，Y。；Guo，J.，基于粗糙集理论和鱼群算法的最小属性约简新策略，计算。智力。神经科学。，2017年1月7日（2017年8月）
[14] Emary，E。；Hossam M.Zawbaa。；Hassanien，Aboul Ella，特征选择的二元灰狼优化方法，神经计算，172371-381（2016）
[15] Khanesar，医学硕士。；Teshnehlab，M。；Shoorehdeli，M.A.，一种新的二进制粒子群优化，（2007年地中海控制自动化会议（2007年6月）），1-6
[16] 解锁器，A。；Murat，A.，二元分类问题中特征选择的离散粒子群优化方法，Eur.J.Oper。第206、3528-539号决议（2010年）·Zbl 1188.90280号
[17] Chuang，L.-Y。；Chang，H.-W。；Tu，C.-J。；Yang，C.-H.，使用基因表达数据进行特征选择的改进二进制粒子群算法，计算。生物化学。，32, 1, 29-38 (2008) ·Zbl 1142.92319号
[18] Lee，S。；浸泡，S。；哦，S。；佩德里茨，W。；Jeon，M.，修改的二进制粒子群优化，Prog。自然科学。，18, 9, 1161-1166 (2008)
[19] 刘，Y。；王，G。；陈，H。；Dong，H。；朱，X。；Wang，S.，用于特征选择的改进粒子群优化，J.Bionics Eng.，8，2，191-200（2011）
[20] 艾本，A.E。；Raue，体育。；拉斯·鲁特凯。，具有多父重组的遗传算法，（《自然的并行问题解决》-PPSN III。《自然的平行问题解决》-PPSN III，《计算机科学讲义》，第866卷（2005年6月），施普林格：施普林格柏林，海德堡），78-87，章
[21] 苏雷什，K。；Kumarappan，N.，用于发电维护调度问题的混合改进二进制粒子群优化方法，swarm Evol。计算。，9, 69-89 (2013)
[22] Rashedi，E。；Nezamabadi-pour，H。；Saryazdi，S.，Bgsa：二进制引力搜索算法，自然计算。，9、3、727-745（2010年9月）·Zbl 1211.68140号
[23] 于敏，C。；苗多谦；王瑞志，基于蚁群优化的粗糙集特征选择方法，模式识别。莱特。，31、3、226-233（2010年2月）
[24] 阿扎德，M.A.K。；罗查，A.M.A.C。；Fernandes，E.M.G.P.，0-1多维背包问题的改进二进制人工鱼群算法，swarm Evol。计算。，14, 66-75 (2014)
[25] Chandrashekar，G。；Sahin，F.，《特征选择方法调查》，第40期纪念版。40周年纪念版，计算。选举人。工程，40，1，16-28（2014）
[26] Erguzel，T.T。；塔斯，C。；Cebi，M.，基于包装器的重度抑郁障碍双相障碍特征选择和分类方法，计算机。《生物医学》，64，增补C，127-137（2015）
[27] 扎尔谢纳斯，A。；铃木，K.，《二进制坐标上升：机器学习中特征子集选择的有效优化技术》，Knowl-基于系统。，110，补遗C，191-201（2016）
[28] Zheng，Y.-J.，《水波优化：一种新的自然启发元启发式算法》，计算。操作。决议，55，1-11（2015年3月）·Zbl 1348.90652号
[29] Yun，X。；X·冯。；Lyu，X。；王，S。；Liu，B.，一种基于水波优化的流车间调度模因算法，（2016 IEEE进化计算大会（CEC）（2016），IEEE），1971-1976
[30] Manshahia，M.S.，无线传感器网络中基于水波优化算法的拥塞控制和服务质量改进，Trans。净值。社区。，5, 4, 31 (2017)
[31] M.Siva，R.Balamurugan，L.Lakshminarasimman，解决发电机约束经济调度问题的水波优化算法。
[32] n Ke，L。；Z.Feng。；Ren，Z.，粗糙集理论中用于属性约简的高效蚁群优化方法，模式识别。莱特。，29, 9, 1351-1357 (2008)
[33] Hedar，A。；Wang，J。；Fukushima，M.，Tabu搜索粗糙集理论中的属性约简，软计算。，12、9、909-918（2008年7月）·Zbl 1151.68643号
[34] Mafarja，M。；Abdullah，S.，《粗糙集理论中属性约简的改进大洪水》，（2011年第八届模糊系统与知识发现国际会议，第3卷（2011年7月），1464-1469
[35] 新南威尔士州贾迪。；Abdullah，S.，粗糙集属性约简的非线性大洪水算法，J.Inf.Sci。工程师，29，1，49-62（2013年1月）
[36] Jue，W。；齐，Z。；Hedar，A。；Ibrahim，A.M.，基于分散搜索元启发式的特征选择粗糙集方法，J.Syst。科学。复杂。，27、1、157-168（2014年2月）·Zbl 1294.93074号
[37] Keller，J.M。；格雷，M.R。；Givens，J.A.，《模糊k近邻算法》，IEEE Trans。系统。人类网络。，SMC-15、4、580-585（1985年7月）
[38] 米尔贾利利，S。；Lewis，A.，二进制粒子群优化的S形与v形传递函数，swarm Evol。计算。，9，附录C，1-14（2013）
[39] Mirjalili，S.M.，《蜻蜓算法：用于解决单目标、离散和多目标问题的新型元神经优化技术》，《神经计算》。申请。，271053-1073（2016年5月）
[40] 米尔贾利，S.M。；Yang，X.S.，二进制蝙蝠算法，神经计算。申请。，25,3663-681（2014年9月）
[41] 夏拉菲，Y。；Khanesar，硕士。；Teshnehlab，M.，离散二进制猫群优化算法，（2013年第三届IEEE计算机、控制和通信国际会议（IC4）（2013年9月）），1-6
[42] Pawlak，Z.，《粗糙集》，《国际计算杂志》。信息科学。，1141-356（1982年10月）·Zbl 0501.68053号
[43] Pawlak，Z.，《基于知识的决策支持的粗糙集方法》，Eur.J.Oper。研究，99，1，48-57（1997）·Zbl 0923.90004号
[44] 李，H。；李，D。；翟毅。；王，S。；Zhang，J.，基于粗糙集理论的多标签数据属性约简新方法，信息科学。，367，附录C，827-847（2016）·Zbl 1428.68243号
[45] 贝尼特斯·卡巴列罗，M.J。；麦地那，J。；Ramírez-Poussa，E.，《粗糙集理论和形式概念分析中的属性约简》，513-525（2017），Springer International Publishing：Springer国际出版公司·Zbl 1489.68266号
[46] 戴J。；胡，Q。；胡，H。；黄，D.，用粗糙集方法进行属性约简的邻域不一致对选择，IEEE Trans。模糊系统。，26, 2, 937-950 (2017)
[47] Hedar，A。；易卜拉欣，A.M。；Abdel-Hakim，A.E。；Sewisy，A.A.，使用集成粗糙集和分散搜索属性约简的调制聚类，（《遗传和进化计算会议论文集》，GECCO’18（2018），ACM：美国纽约州纽约市ACM），1394-1401
[48] Manish，S.，分类中的粗糙模糊函数，模糊集系统。，132, 353-369 (2002) ·Zbl 1008.68582号
[49] Das，S.，用于特征选择的过滤器、包装器和基于增强的混合，（《第十八届机器学习国际会议论文集》，第十八届国际机器学习会议论文集，ICML'01（2001），Morgan Kaufmann Publishers Inc.：Morgan Koufmann-Publishers Inc.San Francisco，CA，USA），74-81
[50] 约翰·G·H。；Kohavi，R。；Pfleger，K.，《无关特征和子集选择问题》，（机器学习：第十一届国际会议论文集（1994），Morgan Kaufmann），121-129
[51] Tawhid，医学硕士。；Ibrahim，A.M.，《基于粗糙集方法的混合二元粒子群优化和花卉授粉算法在特征选择问题中的应用》，249-273（2020），Springer International Publishing：Springer国际出版公司
[52] Tawhid，医学硕士。；Ibrahim，A.M.，《基于粗糙集方法、包装器方法和二进制鲸鱼优化算法的特征选择》，Int.J.Mach。学习。赛博。（2019年8月）
[53] M.Lichman，UCI机器学习库，2013年。
[54] Y.Hochberg。；Benjamini，Y.，《多重显著性检验的更强大程序》，《统计医学》，第9、7、811-818页（1990年）
[55] 德拉克，J。；南卡罗来纳州加西亚。；莫利纳，D。；Herrera，F.，《关于使用非参数统计测试作为比较进化算法和群体智能算法的方法的实用教程》，swarm Evol。计算。，1, 1, 3-18 (2011)
[56] Kasuya，E.，Wilcoxon签名等级测试：测试前应确认对称性，Anim。行为。，79, 3, 765-767 (2010)
[57] 塔赫里，S.M。；Hesamian，G.，Wilcoxon符号秩检验的推广及其应用，Stat.Pap。，54，2，457-470（2013年5月）·Zbl 1364.62114号
[58] 凯勒尔，H。；Pferschy，美国。；Pisinger，D.，背包问题的np完全性导论，（背包问题（2004），Springer），483-493·Zbl 1103.90003号
[59] 海拉尔，N。；Pichon，F。；Porumbel，D。；Mercier，D。；爱荷华州莱夫维尔。，具有证据需求的容量受限车辆路径问题，国际J.近似原因。，95, 124-151 (2018) ·Zbl 1452.90228号
[60] Vogiatzis，D。；Tsapatsoulis，N.，微阵列数据的主动学习，国际期刊近似原因。，47, 1, 85-96 (2008) ·Zbl 1191.68539号
[61] 马吉，P。；Paul，S.，基于粗糙集的最大相关最大显著性标准和微阵列数据的基因选择，国际期刊近似原因。，52, 3, 408-426 (2011)
[62] Baioletti，M。；Milani，A。；Santucci，V.，《利用代数微分进化学习贝叶斯网络》（2018年《自然》并行问题解决国际会议，斯普林格），436-448
[63] 杨，C。；季军（Ji，J.）。；刘杰。；刘杰。；Yin，B.，通过细菌觅食优化进行贝叶斯网络结构学习，国际期刊近似推理。，69, 147-167 (2016) ·Zbl 1344.68194号
[64] Tawhid，医学硕士。；Dsouza，K.B.，用于解决特征选择问题的混合二进制蝙蝠增强粒子群优化算法，应用。计算。通知。（2018年）
[65] Tawhid，医学硕士。；Dsouza，K.B.，《用混合二进制遗传增强粒子群优化算法解决特征选择问题》，国际期刊《混合智能》。系统。，15, 207-219 (2019)
[66] Tawhid，医学硕士。；Dsouza，K.B.，用于解决特征选择问题的混合二进制蜻蜓增强粒子群优化算法，数学。已找到。计算。，1, 2, 181-200 (2018)
[67] 库尔卡尼，R.V。；Venayagamoorthy，G.K.，《无线传感器网络中的粒子群优化：简要调查》，IEEE Trans。系统。人类网络。，C部分，申请。版次：41、2、262-267（2011）
[68] 库尔卡尼，R.V。；福斯特，A。；Venayagamoorthy，G.K.，《无线传感器网络中的计算智能：调查》，IEEE Commun。Surv公司。导师。，13, 1, 68-96 (2011)
[69] 刘，G。；周，Y。；赵，J。；戴，G。；李晓云。；顾，M。；马，H。；莫，L。；何毅。；Wang，J.，森林中的长期大规模传感：绿球的最新进展和未来方向，前沿。计算。科学。中国，44333-338（2010）
[70] 李，X。；Yao，X.，用于大规模优化的协同进化粒子群，IEEE Trans。进化。计算。，16, 2, 210-224 (2012)
[71] Teodorovic，D.，《多智能体系统的交通建模：群体智能方法》，交通运输。计划。技术。，26, 4, 289-312 (2003)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。