Open AccessFEATURE SELECTION FOR FUZZY CLASSIFIERS USING THE RANKING AND CROSS-VALIDATION
Author(s) -
И. А. Ходашинский,
Marina Bardamova
Publication year - 2020
Publication title -
informacionnye i matematičeskie tehnologii v nauke i upravlenii
Language(s) - English
Resource type - Journals
ISSN - 2413-0133
DOI - 10.38028/esi.2020.20.4.007
Subject(s) - computer science , artificial intelligence , classifier (uml) , data mining , feature selection , machine learning , pattern recognition (psychology) , cross validation
В работе проведено сравнение эффективности модификаций алгоритма прыгающих лягушек, позволяющих метаэвристике функционировать в бинарном пространстве поиска. Для задачи отбора признаков в нечетком классификаторе опробованы методы, основанные на модифицированных алгебраических операциях, функциях трансформации и операции слияния, а также их комбинации. В эксперименте использован набор данных SVC2004, содержащий большое количество признаков для аутентификации пользователя на основе динамических признаков рукописной подписи. The paper compares the effectiveness of modifications of the shuffled frog leaping algorithm that allow metaheuristics to function in the binary search space. Methods based on modified algebraic operations, transformation functions and fusion operations, as well as their combinations, have been tested for the task of selecting features in the fuzzy classifier. The SVC2004 data set containing a large number of features for user authentication based on dynamic handwritten signature characteristics was used in the experiment.