Selekce přízkové podmnožiny založená na sociálním dopadu
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03146412" target="_blank" >RIV/68407700:21230/08:03146412 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Social Impact based Approach to Feature Subset Selection
Popis výsledku v původním jazyce
The interactions taking place in the society could be a source of rich inspiration for the development of novel computational methods. This paper describes an application of two optimization methods based on the idea of social interactions. The first oneis the Social Impact Theory based Optimizer - a novel method directly inspired by and based on the Dynamic Theory of Social Impact known from social psychology. The second one is the binary Particle Swarm Optimization - well known optimization technique, which could be understood as to be inspired by decision making process in a group. The two binary optimization methods are applied in the area of automatic pattern classification to selection of an optimal subset of classifier's inputs. The testing isperformed using four datasets from UCI repository. The results show the ability of both methods to significantly reduce input dimensionality and simultaneously keep up the generalization ability.
Název v anglickém jazyce
Social Impact based Approach to Feature Subset Selection
Popis výsledku anglicky
The interactions taking place in the society could be a source of rich inspiration for the development of novel computational methods. This paper describes an application of two optimization methods based on the idea of social interactions. The first oneis the Social Impact Theory based Optimizer - a novel method directly inspired by and based on the Dynamic Theory of Social Impact known from social psychology. The second one is the binary Particle Swarm Optimization - well known optimization technique, which could be understood as to be inspired by decision making process in a group. The two binary optimization methods are applied in the area of automatic pattern classification to selection of an optimal subset of classifier's inputs. The testing isperformed using four datasets from UCI repository. The results show the ability of both methods to significantly reduce input dimensionality and simultaneously keep up the generalization ability.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2008
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Nature Inspired Cooperative Strategies for Optimization (NICSO 2007)
ISBN
978-3-540-78986-4
ISSN
1860-949X
e-ISSN
—
Počet stran výsledku
10
Strana od-do
—
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Acireale
Datum konání akce
8. 11. 2007
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000262048100022