Application of metaheuristics for the feature selection problem
Metasezgisellerin özellik seçimi problemi için uygulanması
- Tez No: 556562
- Danışmanlar: DOÇ. DR. ALİ FUAT ALKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Özellik seçimi, bir problemde veri doğruluğunu korurken, asgari özellik kümesini elde etmeyi amaçlar. Özellik seçimi, problem çözümüyle ilgili özellikleri seçerek daha verimli bir veri analizi yapabilmek için ön süreçtir. Özellik seçimi, alakasız özellikleri eleyip kolon sayısını azaltarak algoritmaların tahmin yeteneğini arttırır. Bu çalışmada, 4 algoritma gerçeklendi ve özellik seçimi literatürde sıklıkla kullanılan UCI veritabanındaki veriler üzerinde koşturularak karşılaştırıldı. Bu çalışma, göçmen kuşlar optimizasyon algoritmasının özellik seçimi problemine ilk uygulanışı olma niteliğini taşımaktadır. Kullanılan algoritmalar şu şekilde sıralanabilir; son zamanlarda gelişen ancak kuvvetli bir algoritma olan göçmen kuşlar optimizasyonu, biyolojik organizmaların davranışlarından esinlenen parçacık sürü algoritması, demire şekil verilmesinden esinlenerek gelişirilen benzetilmiş tavlama algoritması ve diferansiyel gelişim algoritması. Seçilen özellik kümesinin doğruluğunu ölçmek için tutarlılık tabanlı küme değerlendirici kullanıldı. Algoritmaların performansı en yakın k komşu algoritması kullanılarak karşılaştırıldı. Sonuçlar, üstün çıkma sayısı bazında göçmen kuşlar algoritmasının kazandığını gösterdi.
Özet (Çeviri)
Feature selection aims to gain a minimal feature subset in a problem domain while conserving the accuracy of the original data. Feature selection is a process for making more efficient data analysis by selecting more relevant features for the related problem solving. Feature selection increases prediction probability of algorithms by decreasing the dimensionality, eliminating irrelevant features. In this study, four computational intelligence techniques are implemented and compared on the well-known data instances taken from University of California, Irvine (UCI) database. This is the first time that Migrating Birds Optimization (MBO) is used for the feature selection problem. Specifically, the exploited algorithms are (i) MBO, which is a recently proposed but successful technique, (ii) particle swarm optimization, which has originated from the simulation of behavior of biological organisms, (iii) simulated annealing, which is a well-known and frequently used as a benchmark algorithm and (iv) differential evolution. In our filter-based approach, we also implemented the inconsistency based subset evaluator to evaluate the performance of a given feature subset. Performance comparison is done with k-nearest neighbor, as the classifier where all features are used in the benchmark. Results show that the MBO algorithm presents the best performance in terms of number of winning cases.
Benzer Tezler
- Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty
Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi
GÖNÜL ULUDAĞ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Geliştirilmiş SPEA2 ile envanter probleminin çözümü
Inventory optimization with a novel SPEA2 algorithm
ALİ BAYRAKDAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ILHAM HUSEYINOV
- Sınıflandırma problemlerinde meta-sezgisel optimizasyon yöntemlerinin özellik seçimi ve ayrıklaştırma amacıyla kullanımı
Utilization of metaheuristic optimization methods for feature selection and discretization on classification problems
İSMAİL KOÇ
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL BABAOĞLU
- İkili gri kurt optimizasyon algoritmasının ikili optimizasyon problemlerine uygulanması
Application of binary grey wolf optimization algorithm to binary optimization problems
FEYZA ERDOĞAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞABAN GÜLCÜ