A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Neuro Fuzzy Algorithm for Feature Subset Selection Um algoritmo Neuro Fuzzy para seleção de subconjuntos de recursos

Basabi CHAKRABORTY, Goutam CHAKRABORTY

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A seleção do subconjunto de recursos depende basicamente do design de uma função de critério para medir a eficácia de um recurso específico ou subconjunto de recursos e da seleção de uma estratégia de pesquisa para descobrir o melhor subconjunto de recursos. Muitas técnicas foram desenvolvidas até agora e são categorizadas principalmente em classificadores independentes. filtro abordagens e classificador dependente invólucro abordagens. As abordagens wrapper produzem bons resultados, mas são computacionalmente pouco atraentes, especialmente quando são usados ​​classificadores neurais não lineares com algoritmos de aprendizagem complexos. O presente trabalho propõe uma abordagem híbrida em duas etapas para descobrir o melhor subconjunto de características de um grande conjunto de características em que uma medida teórica de conjuntos difusos para avaliar a qualidade de uma característica é usada em conjunto com um perceptron multicamadas (MLP) ou rede neural fractal. Classificador (FNN) para aproveitar ambas as abordagens. Embora o processo não garanta otimização absoluta, o subconjunto de recursos selecionado produz resultados quase ótimos para fins práticos. O processo consome menos tempo e é computacionalmente leve em comparação com qualquer técnica de seleção de subconjunto de recursos sequencial baseada em classificador de rede neural. O algoritmo proposto foi simulado com dois conjuntos de dados diferentes para justificar sua eficácia.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E84-A No.9 pp.2182-2188
Data de publicação
2001/09/01
Publicitada
ISSN online
DOI
Tipo de Manuscrito
Special Section PAPER (Special Section on Nonlinear Theory and its Applications)
Categoria
Aplicação de Rede Neural

autores

Palavra-chave