論文の概要: Performance Optimization of a Fuzzy Entropy based Feature Selection and Classification Framework

• arxiv url: http://arxiv.org/abs/2005.04888v2
• Date: Thu, 21 May 2020 05:49:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 19:34:44.727895
• Title: Performance Optimization of a Fuzzy Entropy based Feature Selection and Classification Framework
• Title（参考訳）: ファジィエントロピーを用いた特徴選択・分類フレームワークの性能最適化
• Authors: Zixiao Shen, Xin Chen, Jonathan M. Garibaldi
• Abstract要約: 提案手法は,3つの公開バイオメディカルデータセットを用いて評価した。 提案手法は,3つのデータセットに対して,特徴が徐々に除去され,最も安定した性能を実現した。
• 参考スコア（独自算出の注目度）: 10.925672064009026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, based on a fuzzy entropy feature selection framework, different methods have been implemented and compared to improve the key components of the framework. Those methods include the combinations of three ideal vector calculations, three maximal similarity classifiers and three fuzzy entropy functions. Different feature removal orders based on the fuzzy entropy values were also compared. The proposed method was evaluated on three publicly available biomedical datasets. From the experiments, we concluded the optimized combination of the ideal vector, similarity classifier and fuzzy entropy function for feature selection. The optimized framework was also compared with other six classical filter-based feature selection methods. The proposed method was ranked as one of the top performers together with the Correlation and ReliefF methods. More importantly, the proposed method achieved the most stable performance for all three datasets when the features being gradually removed. This indicates a better feature ranking performance than the other compared methods.
• Abstract（参考訳）: 本稿では,ファジィエントロピーの特徴選択フレームワークをベースとして,フレームワークの重要なコンポーネントを改善するために,異なる手法を実装し,比較した。 これらの方法には、3つの理想ベクトル計算、3つの極大類似性分類器、3つのファジィエントロピー関数の組み合わせが含まれる。 ファジィエントロピー値に基づく特徴除去順序も比較した。 提案手法は,3つの公開バイオメディカルデータセットを用いて評価した。 実験から,特徴選択のための理想ベクトル,類似度分類器,ファジィエントロピー関数の最適化組み合わせを結論付けた。 最適化されたフレームワークは他の6つの古典的なフィルタベースの特徴選択手法と比較された。 提案手法は,相関法とレリーフ法とともに,トップパフォーマーの1つに位置づけられた。 さらに,提案手法は,特徴が徐々に取り除かれた場合に,3つのデータセットに対して最も安定した性能を達成した。 これは他の比較方法よりも優れた機能ランキングパフォーマンスを示している。

関連論文リスト

• ASTE Transformer Modelling Dependencies in Aspect-Sentiment Triplet Extraction [2.07180164747172]
  Aspect-Sentiment Triplet extract (ASTE) は、ある文から三重項(アスペクトフレーズ、意見フレーズ、感情極性)を抽出するタスクである。 最近の最先端手法は、まず与えられた文から可能な全てのスパンを抽出することで、このタスクにアプローチする。
  論文  参考訳（メタデータ） (2024-09-23T16:49:47Z)
• Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
  本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。 提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
  論文  参考訳（メタデータ） (2024-03-06T16:31:56Z)
• A Comparison of Modeling Preprocessing Techniques [0.0]
  本稿では,構造化データに対する予測性能の観点から,各種データ処理手法の性能を比較した。 様々な構造、相互作用、複雑さの3つのデータセットが構築された。 特徴選択,分類的ハンドリング,ヌル計算のいくつかの手法を比較した。
  論文  参考訳（メタデータ） (2023-02-23T14:11:08Z)
• Multivariate feature ranking of gene expression data [62.997667081978825]
  ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。 提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-03T17:19:53Z)
• An Evolutionary Correlation-aware Feature Selection Method for Classification Problems [3.2550305883611244]
  本稿では,3つの目標を達成するために分布推定アルゴリズムを提案する。 第一に、EDAの拡張として、適合度関数に基づいて競合する各イテレーションにおいて、提案手法は2つの個人しか生成しない。 第二に、各イテレーションにおける個人の機能数を決定するためのガイド技術を提供する。 本論文の主な貢献として,各特徴の重要さだけでなく,特徴間の相互作用についても考察できる。
  論文  参考訳（メタデータ） (2021-10-16T20:20:43Z)
• A concise method for feature selection via normalized frequencies [0.0]
  本稿では,普遍的特徴選択のための簡潔な手法を提案する。 提案手法は, フィルタ法とラッパー法を融合して行う。 評価結果から,提案手法は,精度,精度,リコール,Fスコア,AUCの点で,いくつかの最先端技術に優れた性能を示した。
  論文  参考訳（メタデータ） (2021-06-10T15:29:54Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-11T03:25:25Z)
• Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
  本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。 提案する最適化アルゴリズムを用いて効率的に解くことができる。
  論文  参考訳（メタデータ） (2021-03-24T21:17:17Z)
• 3D Correspondence Grouping with Compatibility Features [51.869670613445685]
  本稿では,3次元対応グルーピングのための簡易かつ効果的な手法を提案する。 目的は、局所幾何学的記述子を不整合と外接点にマッチングすることによって得られる初期対応を正確に分類することである。 本稿では,不整合と不整合を表わすために,互換性特徴(CF)と呼ばれる3次元対応の表現を提案する。
  論文  参考訳（メタデータ） (2020-07-21T02:39:48Z)
• A Novel Weighted Combination Method for Feature Selection using Fuzzy Sets [10.925672064009026]
  提案手法は主に,ブートストラップを用いたファジィ集合生成,ファジィ集合の重み付け,デファジィ化に基づく特徴ランキングの3つのプロセスからなる。 提案手法は、4つの最先端特徴選択法を組み合わせて実装し、3つの公開バイオメディカルデータセットに基づく性能評価を行った。
  論文  参考訳（メタデータ） (2020-05-11T11:30:34Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。