Hybridized Swarm Metaheuristics for Evolutionary Random Forest Generation

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03132666" target="_blank" >RIV/68407700:21230/07:03132666 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Hybridized Swarm Metaheuristics for Evolutionary Random Forest Generation

Original language description

In many industry and research areas, data mining is a crucial process. This paper presents an evolving structure of classifiers (random forest) where the trees are generated by hybrid method combining Ant Colony metaheuristics and Evolutionary computingtechnique. The method benefits from the stochastic process and population approach, which allows the algorithm to evolve more efficiently than each method alone. As the method is similar to random forest generation, it can be also used for feature selection. The paper also discusses the parameter estimation for the method. Tests on real data (UCI and real biomedical data) have been performed and evaluated. The average accuracy of the method over MIT-BIH database with normalized data and equalized classes is sensitivity 93.22 % and specificity 87.13 %.

Czech name

Hybridní metaheuristika pro evoluční vytváření náhodného lesu

Czech description

Data mining je významným procesem v mhoha výzkumných a průmyslových odvětvích. Článek uvádí vyvíjející se struktur klasifikátorů, ve kterém jsou strmy generovány hybridní metodou, která spojuje metaheuristiku mravenčích kolonií a evolučního algoritmu. Výhodou metody je společné použití stochastického a populačního příestupu, který dovoluje rychlejší evoluci než v případě samostatného použití jednotlivých metod. Metoda se podobá metodě generování náhodného lesu, a tak je možné ji použití pro selekci příznaků. Článek také uvádí odhad parametů metody. Uvádíme přehled testů nad databází UCI a biomedicínskými daty. V případě datbáze MIT-BIH bylo dosaženo senzitivity 93.22 % a specificity 87.13 %.

Type

D - Article in proceedings

CEP classification

JC - Computer hardware and software

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Seventh International Conference on Hybrid Intelligent Systems

ISBN

978-0-7695-2946-2

ISSN

—

e-ISSN

—

Number of pages

6

Pages from-to

150-155

Publisher name

IEEE

Place of publication

Piscataway

Event location

Kaiserslautern

Event date

Sep 17, 2007

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—