روش دودویی بهینه‌سازی گرگ خاکستری برای مساله انتخاب ویژگی

مقاله اصلی

Abstract:

In this work, a novel binary version of the gray wolf optimization (GWO) is proposed and used to select optimal feature subset for classification purposes. Gray wolf optimizer (GWO) is one of the latest bio-inspired optimization techniques, which simulate the hunting process of gray wolves in nature. The binary version introduced here is performed using two different approaches.

.....

A set of assessment indicators are used to evaluate and compared the different methods over 18 different datasets from the UCI repository. Results prove the capability of the proposed binary version of gray wolf optimization (bGWO) to search the feature space for optimal feature combinations regardless of the initialization and the used stochastic operators.

 

1.  
2. Title: Binary Gray Wolf Optimization Approaches for Feature Selection
3. Journals : Neurocomputing
4. Impact Factor: 2.392
5. Accepted: 29 June 2015
6. Page: 11

 

اسلاید ارائه

محتویات اسلاید ها به شرح زیر می‌باشد:

• مروری بر کشف دانش در پایگاه داده Knowledge Discovery from Data
• مروری بر داده کاوی Data mining
• مروری بر کاهش ابعاد Dimensionality Reduction
  • مساله استخراج ویژگی Feature Extraction
  • مساله انتخاب ویژگی Feature Selection
• معرفی مساله انتخاب ویژگی به عنوان یک مساله بهینه‌سازی چند هدفه
  • multi-objective :Weighted Sum
  • unknown number of Feature Selection
  • specific number of Feature Selection

1. عنوان: Dimensionality Reduction
2. تعداد صفحات: ۱۸
3. زبان: انگلیسی
4. فایل پاورپوینت داری یادداشت (note) می‌باشد

 

ترجمه و گزارش مقاله

چکیده:

در این کار، یک روش دودویی جدید از بهینه‌سازی گرگ خاکستری (GWO) پیشنهاد شده است و برای انتخاب زیرمجموعه‌ای از ویژگی‌های بهینه برای اهداف طبقه‌بندی مورد استفاده قرارگرفته است. بهینه‌سازی گرگ خاکستری (GWO) یکی از جدیدترین تکنیک‌های بهینه‌سازی الهام گرفته از زیست است، که شبیه‌ساز فرآیند شکار گرگ خاکستری در طبیعت است. نسخه دودویی معرفی شده در اینجا با استفاده از دو روش مختلف نمایش داده شده است.

....

مجموعه‌ای از شاخص‌های تخمین برای ارزیابی و مقایسه روش‌های مختلف بر روی بیش از ۱۸ مجموعه داده‌ی مختلف از مخزن UCI مورد استفاده قرار گرفته است. نتایج حاصل، قابلیت‌های نسخه دودویی بهینه‌سازی گرگ خاکستری پیشنهادی (bGWO) در جستجو فضای ویژگی برای ترکیب ویژگی‌های بهینه، صرف‌نظر از مقداردهی اولیه و عملگر‌های تصادفی استفاده شده، را اثبات می‌کند.

1. تعداد صفحات: ۲۰
2. زبان: فارسی
3. فرمت: Word

 

کد و پیاده‌سازی مقاله

پیاده‌سازی مقاله شامل:

• حل مساله انتخاب ویژگی با استفاده از دو نسخه‌ دودویی بهینه‌سازی گرگ خاکستری BGWO معرفی شده در مقاله 
• حل مساله انتخاب ویژگی با استفاده از الگوریتم ژنتیک GA
• حل مساله انتخاب ویژگی با استفاده از الگوریتم  ازدحام ذرات PSO

نکته: تمام جداول و شکل‌های موجود در بخش آزمایشات مقاله، پیاده‌سازی شده است و خروجی آنها نیز در پوشه‌‌ی results یا کنار فایل کدها ذخیره شده است. همچنین این نتایج در گزارش مقاله، جایگزین نتایج مقاله اصلی شده است.

1. زبان برنامه نویسی : Matlab
2. تعداد فایل‌ها : ۹

 

ارتباط با بخش پشتیبانی

1. ارتباط با پشتیبان از طریق تلگرام
2. ارتباط با پشتیبان از طریق ایمیل