A hybrid swarm intelligence algorithm for simultaneous feature selection and clustering
Eşzamanlı öznitelik seçimi ve kümeleme için hibrit bir sürü zekası algoritması
- Tez No: 735553
- Danışmanlar: PROF. DR. NUR EVİN ÖZDEMİREL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 169
Özet
Bu çalışmada, bir hibrit sürü zekası yaklaşımı kullanarak kümeleme problemi ele alınmıştır. Yaklaşımımızda, küme sayısının bilindiği, kümelerin herhangi bir şekile ve farklı yoğunluklara sahip olabileceği, ancak aykırı değer veya gürültünün olmadığı varsayılmıştır. Veri seti yüksek boyutlu olabilir ve gereksiz özniteliklere sahip olabilir. Çalışmada, Karınca Kolonisi Optimizasyonu (ACO) ve Değişken Komşuluk Aramasından (VNS) oluşan ACOVNS adlı bir sürü zekası algoritması önerilmiştir. Keşif yeteneği için ACO'nun mekanizmaları kullanılmış, ACO'nun yerel arama kapasitesi ise VNS ile artırılmıştır. Algoritmanın performansını daha da iyileştirmek için, feromon değerlerine ek olarak bir sezgisel bilgiye başvurulmuştur. Çalışmanın ilk bölümünde, algoritmada amaç fonksiyonu olarak Öklik uzaklıklarının toplamı kullanılarak kümeleme problemi çözülmüştür. İkinci bölümde, öznitelik seçimi ve kümelemeyi eşzamanlı olarak gerçekleştirmek için ACOVNS algoritması F-ACOVNS olarak modifiye edilmiştir. Öznitelik seçimi için Laplacian Skorunu (LS) kullanan yeni bir sezgisel bilgi ve ikinci bir feromon matrisi önerilmiştir. Böylece, algoritma kümeleme sırasında farklı feromon matrisleri ve sezgisel bilgiler kullanarak öznitelik de seçer. ACOVNS kümeleme için ACO ve VNS'nin ilk hibridizasyonu olması, F-ACOVNS ise LS'yi sezgisel bilgi olarak kullanan ilk algoritma olması bakımından benzersizdir. ACOVNS'nin performansı, dokuz gerçek dünya veri setinde bazı bilinen algoritmalarla karşılaştırılmıştır. Eşzamanlı öznitelik seçimi ve kümeleme için F-ACOVNS hem gerçek hem de sentetik veri kümeleri kullanılarak bilinen tek ve çok amaç fonksiyonlu algoritmalarla karşılaştırılmıştır.
Özet (Çeviri)
In this study, we address the feature selection and clustering problems by using a hybrid swarm intelligence approach. We assume that the number of clusters is known, clusters can be of any shape and have different densities, but there are no outliers or noise. The data set may have high dimensionality and redundant features. We propose a swarm intelligence algorithm, namely ACOVNS, which is a hybridization of Ant Colony Optimization (ACO) and Variable Neighborhood Search (VNS). We utilize the ACO mechanisms for exploration and enhance its exploitation capability by combining it with VNS. In addition to pheromone values, we make use of some heuristic information to further improve the performance of the algorithm. In the first part of our study, we use our algorithm with an objective function based on the sum of Euclidean distances to solve the clustering problem. In the second part, we modify the ACOVNS algorithm as F-ACOVNS to perform feature selection and clustering simultaneously. We propose a novel heuristic information that employs the Laplacian Score (LS) and a second pheromone matrix for feature selection. Therefore, the algorithm selects features during clustering by using distinct pheromone matrices and heuristic information. Our proposed algorithms are unique in that ACOVNS is the first hybridization of ACO and VNS for clustering and F-ACOVNS is the first algorithm that uses LS as heuristic information. We compared the performance of ACOVNS with some well-known algorithms on nine real-world data sets. For simultaneous feature selection and clustering, we compared F-ACOVNS with known single and multi-objective algorithms using both real and synthetic data sets.
Benzer Tezler
- Sürü zekâsı kullanarak renkli görüntü segmentasyon tekniklerinin geliştirilmesi
Development of color image segmentation techniques using swarm intelligence
TAHİR SAĞ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇUNKAŞ
- Dinamik su bütçesi modeline makine öğrenmesi entegrasyonu ile aylık akış tahminlerinin iyileştirilmesi
Embedding machine learning into dynamic water budget model to improve monthly runoff prediction
ZEYNEP BERİL ERSOY
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiBalıkesir Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT OKKAN
- Risk-based drone routing using a hybrid swarm intelligence algorithm
Hibrit sürü zekasi algoritmasi kullanarak risk temelli drone rotalama
EZGİ KAYIŞ
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERVE ER
- A study of a hybrid clustering using swarm intelligence techniquesand K-means algorithm
Başlık çevirisi yok
DURDANE KOCAÇOBAN
- GWO ve MFO algoritmalarının hibritlenmesiyle sürü zekası tabanlı optimizasyon algoritması geliştirilmesi ve yapay sinir ağı yaklaşımıyla ağ saldırılarının tespitinde kullanılması
Development of a swarm intelligence-based optimization algorithm by hybriding GWO and MFO algorithms and using it in detection of network attacks with an atrificial neural network approach
HASAN DALMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL ERDAL