인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract Meta-Heuristic (MH) algorithms have recently proven successful in a broad range of applications because of their strong capabilities in picking the optimal features and removing redundant and irrelevant features. Artificial Ecosystem-based Optimization (AEO) shows extraordinary ability in the exploration stage and poor exploitation because of its stochastic nature. Dwarf Mongoose Optimization Algorithm (DMOA) is a recent MH algorithm showing a high exploitation capability. This paper proposes AEO-DMOA Feature Selection (FS) by integrating AEO and DMOA to develop an efficient FS algorithm with a better equilibrium between exploration and exploitation. The performance of the AEO-DMOA is investigated on seven datasets from different domains and a collection of twenty-eight global optimization functions, eighteen CEC2017, and ten CEC2019 benchmark functions. Comparative study and statistical analysis demonstrate that AEO-DMOA gives competitive results and is statistically significant compared to other popular MH approaches. The benchmark function results also indicate enhanced performance in high-dimensional search space.
#Benchmark (surveying)
#Computer science
#Heuristic
#Mongoose
#Mathematical optimization
#Global optimization
#Selection (genetic algorithm)
#Optimization problem
#Feature selection
#Feature (linguistics)
#Optimization algorithm
#Range (aeronautics)
#Artificial intelligence
#Algorithm
#Mathematics
#Ecology
#Biology
#Geography
#Engineering
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
