الگوریتم ازدحام سالپ با استراتژی برش برای حل مساله‌ی انتخاب ویژگی

مقاله اصلی

Abstract:

Searching for the (near) optimal subset of features is a challenging problem in the process of feature selection (FS). In the literature, Swarm Intelligence (SI) algorithms show superior performance in solving this problem. This motivated our attempts to test the performance of the newly proposed Salp Swarm Algorithm (SSA) in this area. As such, two new wrapper FS approaches that use SSA as the search strategy are proposed. In the first approach, eight transfer functions are employed to convert the continuous version of SSA to binary. In the second approach, the crossover operator is used in addition to the transfer functions to replace the average operator and enhance the exploratory behavior of the algorithm. The proposed approaches are benchmarked on 22 well-known UCI datasets and the results are compared with 5 FS methods: Binary Grey Wolf Optimizer (BGWO), Binary Gravitational Search Algorithms (BGSA), Binary Bat Algorithm (BBA), Binary Particle Swarm Optimization (BPSO), and Genetic Algorithm (GA). The paper also considers an extensive study of the parameter setting for the proposed technique. From the results, it is observed that the proposed approach significantly outperforms others on around 90% of the datasets.

 

1.  
2. Title: An efficient binary Salp Swarm Algorithm with crossover scheme for feature selection problems
3. Journals : Knowledge-Based Systems
4. Impact Factor: 5.101
5. Accepted: 8 may 2018
6. Page: 26

 

 

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:

جستجو برای انتخاب زیر مجموعه‌های بهینه (نزدیک) در فرآیند انتخاب ویژگی (FS) یک مساله‌ی چالش برانگیز است. در ادبیات، الگوریتم‌های هوش ازدحامی (SI) عملکرد فوق العاده‌ای را در حل این مسائل نشان داده‌اند. این عملکرد باعث شد ما الگوریتم ازدحام سالپ (SSA) که اخیرا پیشنهاد شده است، را مورد آزمایش قرار دهیم. به همین ترتیب، دو رویکرد جدید FS پوششی که از SSA به عنوان استراتژی جستجو استفاده می‌کنند را پیشنهاد می‌دهیم. در اولین رویکرد، هشت تابع انتقال برای تبدیل نسخه پیوسته SSA به دودویی استفاده می‌شود. در رویکرد دوم، عملگر برش علاوه بر تابع انتقال برای جایگزینی عملگر میانگین و بهبود رفتار اکتشافی الگوریتم استفاده می‌شود. روش‌های پیشنهادی در 22 مجموعه داد‌ی شناخته شده‌ی UCI مورد ارزیابی قرار می‌گیرند و نتایج با 5 روش FS مقایسه می‌شوند: الگوریتم جستجو گرانشی دودویی (BGSA)، الگوریتم خفاش دودویی (BBA)، بهینه‌سازی ذرات دودویی (BPSO) و الگوریتم ژنتیک (GA). در این مقاله همچنین بررسی گسترده‌ای از تنظیم پارامتر برای روش پیشنهادی را در نظر گرفته شده است. از نتایج، مشاهده شده است که رویکرد پیشنهادی به طور قابل توجهی در بیش از 90٪ از مجموعه داده‌ها، نسبت به سایر روش‌ها بهبود داشته است

1. تعداد صفحات: ۴۳
2. زبان: فارسی
3. فرمت: PDF

 

کد و پیاده‌سازی مقاله

پیاده‌سازی مقاله شامل:

• حل مساله انتخاب ویژگی با استفاده از نسخه‌های مختلف الگوریتم ازدحام سالپ BSSA معرفی شده در مقاله 

1. زبان برنامه نویسی : Matlab
2. تعداد فایل‌ها : ۸

 

ارتباط با بخش پشتیبانی

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