A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Para datos de alta dimensionalidad con un gran número de características redundantes, los algoritmos existentes de selección de características todavía tienen el problema de la maldición de la dimensionalidad. En este sentido, el artículo estudia un nuevo algoritmo de selección de características evolutivo de dos fases, llamado algoritmo de optimización del cerebro entero con enteros guiado por agrupamiento (IBSO-C). En la primera fase, se propone un método de agrupamiento de características guiado por la importancia para agrupar características similares, de modo que el espacio de búsqueda en la segunda fase pueda reducirse notablemente. La segunda fase se aplica a encontrar un subconjunto óptimo de características utilizando una optimización del cerebro entero con enteros mejorada. Además, se proponen una nueva estrategia de codificación y un método de actualización de enteros variable en el tiempo para los individuos con el fin de mejorar el rendimiento de búsqueda de la optimización del cerebro entero en la segunda fase. Dado que el número de grupos de características es mucho menor que el tamaño de las características originales, IBSO-C
Compartir este contenido
A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Copia el enlace o compártelo en redes sociales
fcuervo_2035_v4
Compartir este contenido
fcuervo_2035_v4
Copia el enlace o compártelo en redes sociales
fcuervo_2034_v3
Compartir este contenido
fcuervo_2034_v3
Copia el enlace o compártelo en redes sociales
Poesías, 1880-1894 / Francisco Soto y Calvo
Para datos de alta dimensionalidad con un gran número de características redundantes, los algoritmos existentes de selección de características todavía tienen el problema de la maldición de la dimensionalidad. En este sentido, el artículo estudia un nuevo algoritmo de selección de características evolutivo de dos fases, llamado algoritmo de optimización del cerebro entero con enteros guiado por agrupamiento (IBSO-C). En la primera fase, se propone un método de agrupamiento de características guiado por la importancia para agrupar características similares, de modo que el espacio de búsqueda en la segunda fase pueda reducirse notablemente. La segunda fase se aplica a encontrar un subconjunto óptimo de características utilizando una optimización del cerebro entero con enteros mejorada. Además, se proponen una nueva estrategia de codificación y un método de actualización de enteros variable en el tiempo para los individuos con el fin de mejorar el rendimiento de búsqueda de la optimización del cerebro entero en la segunda fase. Dado que el número de grupos de características es mucho menor que el tamaño de las características originales, IBSO-C
Compartir este contenido
A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Copia el enlace o compártelo en redes sociales
A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Para datos de alta dimensionalidad con un gran número de características redundantes, los algoritmos existentes de selección de características todavía tienen el problema de la maldición de la dimensionalidad. En este sentido, el artículo estudia un nuevo algoritmo de selección de características evolutivo de dos fases, llamado algoritmo de optimización del cerebro entero con enteros guiado por agrupamiento (IBSO-C). En la primera fase, se propone un método de agrupamiento de características guiado por la importancia para agrupar características similares, de modo que el espacio de búsqueda en la segunda fase pueda reducirse notablemente. La segunda fase se aplica a encontrar un subconjunto óptimo de características utilizando una optimización del cerebro entero con enteros mejorada. Además, se proponen una nueva estrategia de codificación y un método de actualización de enteros variable en el tiempo para los individuos con el fin de mejorar el rendimiento de búsqueda de la optimización del cerebro entero en la segunda fase. Dado que el número de grupos de características es mucho menor que el tamaño de las características originales, IBSO-C
Compartir este contenido
A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Copia el enlace o compártelo en redes sociales
fcuervo_2030
Compartir este contenido
fcuervo_2030
Copia el enlace o compártelo en redes sociales
fcuervo_2033_v2
Para datos de alta dimensionalidad con un gran número de características redundantes, los algoritmos existentes de selección de características todavía tienen el problema de la maldición de la dimensionalidad. En este sentido, el artículo estudia un nuevo algoritmo de selección de características evolutivo de dos fases, llamado algoritmo de optimización del cerebro entero con enteros guiado por agrupamiento (IBSO-C). En la primera fase, se propone un método de agrupamiento de características guiado por la importancia para agrupar características similares, de modo que el espacio de búsqueda en la segunda fase pueda reducirse notablemente. La segunda fase se aplica a encontrar un subconjunto óptimo de características utilizando una optimización del cerebro entero con enteros mejorada. Además, se proponen una nueva estrategia de codificación y un método de actualización de enteros variable en el tiempo para los individuos con el fin de mejorar el rendimiento de búsqueda de la optimización del cerebro entero en la segunda fase. Dado que el número de grupos de características es mucho menor que el tamaño de las características originales, IBSO-C
Compartir este contenido
A Clustering-Guided Integer Brain Storm Optimizer for Feature Selection in High-Dimensional Data
Copia el enlace o compártelo en redes sociales
fcuervo_2032_v1
Compartir este contenido
fcuervo_2032_v1
Copia el enlace o compártelo en redes sociales
Obras escogidas [recurso electrónico] / Lope de Vega
El castigo sin venganza --El mejor alcalde el rey --Poesías sueltas
Compartir este contenido
Obras escogidas [recurso electrónico] / Lope de Vega
Copia el enlace o compártelo en redes sociales
Cuentos de color / Manuel Díaz Rodríguez
Digital. Bogotá : Biblioteca Nacional de Colombia, 2020. Recurso en línea (206 páginas) : archivo de texto, PDF, 7.3 MB
Compartir este contenido
Cuentos de color / Manuel Díaz Rodríguez