A hybrid approach of differential evolution and artificial bee colony for feature selection
Nitelik seçimi için diferansiyel gelişim ve yapay arı kolonisinin bir hibrit yaklaşımı
- Tez No: 377286
- Danışmanlar: PROF. DR. SÜLEYMAN GÜNGÖR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Bu çalışmada, sınıflandırma işlemlerindeki nitelik seçme problemi için Yapay Arı Kolonisi Optimizasyon Tekniği ile Diferansiyel Gelişim Algoritmasını birleştiren bir hibrit yöntem önerilmektedir. Önerilen hibrit yöntem sınıflandırma problemlerinde sıklıkla kullanılan, UCI Veri Kaynağı'ndan elde edilen on beş veri kümesi üzerinde test edilmiştir. Aynı zamanda, önerilen hibrit yöntem performans değerlendirmesi için popüler üç nitelik seçme tekniği olan Ki-kare (ChiSquare), Bilgi Kazancı (Information Gain) ve Korelasyon Nitelik Seçimi (Correlation Feature Selection) ile kıyaslanmıştır. Bu çalışmanın amacı çalışma zamanı performansını ve sınıflandırıcının doğruluğunu iyileştirmek için sınıflandırma işlemi sırasında kullanılan nitelik sayısını azaltmaktır. Bu çalışmada elde edilen deney sonuçları geliştirdiğimiz hibrit yöntemin sınıflandırma işlemleri için iyi nitelikleri seçebildiğini göstermiştir.
Özet (Çeviri)
In this study, a hybrid method which combines Artificial Bee Colony Optimization Technique with Differential Evolution Algorithm is proposed for feature selection problem of classification tasks. The developed hybrid method was experimented on fifteen datasets from the UCI Repository which are commonly used in classification problems. The proposed hybrid feature selection method was also compared with the three most popular feature selection techniques that are Information Gain, ChiSquare and Correlation Feature Selection to evaluate its performance. The aim of this study is to reduce the number of features to be used during the classification process to improve run-time performance and accuracy of the classifier. The experimental results of this study showed that our developed hybrid method was able to select good features for classification tasks.
Benzer Tezler
- İki boyutlu düzensiz şekilleri yerleştirme optimizasyonu
Placement optimization of two-dimensional irregular patterns
FATİH AHMET ŞENEL
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY YİĞİT
DR. ÖĞR. ÜYESİ ASIM SİNAN YÜKSEL
- Atölye tipi çizelgeleme problemlerinde evrimsel algoritmalar ile yapay arı kolonisi algoritmasının bütünleşik bir yaklaşımı
An integrated approach of evolutionary algorithms with artificial bee colony algorithm for job shop scheduling problems
MÜMİN ÖZCAN
Doktora
Türkçe
2016
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- İzole sinyalize kavşaklarda yapay zekâ teknikleri ile trafik sinyal kontrolü ve optimizasyonu
Optimization and control of traffic signal with artificial intelligence techniques at isolated signalized intersections
ERSİN KORKMAZ
- Optimization of weld bead geometric parameters in a TIG welding process
TİG kaynağı işlemindeki kaynak dikişi geometrikparametrelerinin optimizasyonu
KADRİYE ÇAĞLA DİLSİZ
Yüksek Lisans
İngilizce
2019
Makine Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE SEÇİL ARTEM
- Çok amaçlı optimizasyon problemlerinin çözümünde Pareto tabanlı yeni yaklaşımlar
New approaches on Pareto based for solving multi-objective optimization problems
MUSTAFA ALTIOK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT GÜNDÜZ