Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Simplified Social Impact Theory Based Optimizer in Feature Subset Selection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00186612" target="_blank" >RIV/68407700:21230/11:00186612 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Simplified Social Impact Theory Based Optimizer in 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

    Simplified Social Impact Theory Based Optimizer in 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

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2011

  • 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

  • ISBN

    978-3-642-24093-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    15

  • Strana od-do

    133-147

  • Název nakladatele

    Springer

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Cluj-Napoca

  • Datum konání akce

    20. 10. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku