Dual Heuristic Feature Selection Based on Genetic Algorithm and Binary Particle Swarm Optimization
| Main Authors: | Jabor, Ali Hakem, Ali, Ali Hussein |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
University of Babylon
, 2019
|
| Subjects: | |
| Online Access: |
https://www.journalofbabylon.com/index.php/JUBPAS/article/view/2106 https://www.journalofbabylon.com/index.php/JUBPAS/article/view/2106/1642 |
Daftar Isi:
- اختيار الصفات هو أحد ادوات تنقيب البيانات الذي يستخدم لاختيار الصفات المهمة للبيانات المعطاة. ان الفائدة من اختيار صفات البيانات هو توفير الوقت وتقليل الذاكرة المستخدمة في معالجة البيانات. حسب تلك المبادئ صممنا خوارزمية اختيار الصفات على اساس دمج خوارزميتين من خوارزميات البحث العشوائي هما خوارزمية الأسراب الثنائية والخوارزمية الجينية لتعملا معاً بشكل منفصل. أستخدم التصنيف على اساس الجيران كدالة لتقييم عمل الخوارزمية المقترحة. فحصت وقورنت مع بيانات مصنفة بدون اختيار الصفات المهمة وبيانات مصنفة باختيار الصفات على اساس خوارزمية الأسراب الثنائية والخوارزمية الجينية. استخدمت في عملية التصنيف 26 مجموعة من البيانات التابعة للـ , UCI نتائج التجارب الرقمية بينت ان الخوارزمية المقترحة أفضل مقارنة مع البيانات بدون اختيار الصفات او باختيار الصفات للخوارزميات المشار اليها سابقاً.
- The features selection is one of the data mining tools that used to select the most important features of a given dataset. It contributes to save time and memory during the handling a given dataset. According to these principles, we have proposed features selection method based on mixing two metaheuristic algorithms Binary Particle Swarm Optimization and Genetic Algorithm work individually. The K-Nearest Neighbour (K-NN) is used as an objective function to evaluate the proposed features selection algorithm. The Dual Heuristic Feature Selection based on Genetic Algorithm and Binary Particle Swarm Optimization (DHFS) test, and compared with 26 well-known datasets of UCI machine learning. The numeric experiments result imply that the DHFS better performance compared with full features and that selected by the mentioned algorithms (Genetic Algorithm and Binary Particle Swarm Optimization).