Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Voronoi Diagram and Microstructure of Weldment Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

28. Feature Selection for Support Vector Machines Base on Modified Artificial Fish Swarm Algorithm

verfasst von : Kuan-Cheng Lin, Sih-Yang Chen, Jason C. Hung

Erschienen in: Ubiquitous Computing Application and Wireless Sensor

Verlag: Springer Netherlands

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Feature selection is a search process to find the optimal feature subset to describe the characteristics of dataset exactly. Artificial Fish Swarm Algorithm is a novel meta-heuristic search algorithm, which can solve the problem of optimization by simulate the behaviors of fish swarm. This study proposes a modified version of Artificial Fish Swarm Algorithm to select the optimal feature subset to improve the classification accuracy for Support Vector Machines. The empirical results showed that the performance of the proposed method was superior to that of basic version of Artificial Fish Swarm Algorithm.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Study of Customer Value and Supplier Dependence with the RFM Model
Nächstes Kapitel A New Remote Desktop Approach with Mobile Devices: Design and Implementation
Literatur
1.
Liu H, Motoda H (1998) Feature selection for knowledge discovery and data mining. Kluwer international series in engineering and computer science. Kluwer Academic Publishers, Boston
2.
Furey TS, Cristianini N, Duffy N, Bednarski DW, Schummer M, Haussler D (2000) Support vector machine classification and validation of cancer tissue samples using microarray expression data. Bioinformatics 16:906–914
3.
Zhang GP (2000) Neural networks for classification: a survey. IEEE Trans Syst Man Cybern Part C-Appl Rev 30(4):451–462CrossRef
4.
Vapnik VN, Cortes C (1995) Support-vector networks. Mach Learn 20(3):273–297MATH
5.
Vapnik VN (1995) The nature of statistical learning theory. Springer, New York
6.
Houck CR, Joines JA, Kay MG (1995) A genetic algorithm for function optimization: a Matlab implementation NCSU-IE TR 1995
7.
Liu T, Qi Al, Hou YB, Chang XT (2009) Feature optimization based on artificial fish-swarm algorithm in intrusion detections. Int Conf Netw Secur 57:542–545
8.
Saeed F (2009) Efficient job scheduling in grid computing with modified artificial fish swarm algorithm. Int J Comput Theory Eng 1(1):13–18
9.
Cheng LH, Chieh JW (2006) A GA-based feature selection and parameters optimization for support vector machines. Expert Syst Appl 31:231–240CrossRef
10.
Kennedy J, Eberhart RC (1995) Particle swarm optimization. In: IEEE international conference on neural networks
11.
Li XL, Shao ZJ, Qian JX (2002) An optimizing method based on autonomous animats: fish-swarm algorithm. Syst Eng-theory Pract 22(11):32–38
12.
Chen H, Wang S, Li J, Li Y (2007) A hybrid of artificial fish swarm algorithm and particle swarm optimization for feedforward neural network training. IEEE advanced intelligence system research
13.
Hsu SH, Lin KC (2012) Feature selection and parameter optimization based on improved EPSO for support vector machines. National Chung Hsing University, Taichung
14.
Metadaten
Titel
Feature Selection for Support Vector Machines Base on Modified Artificial Fish Swarm Algorithm
verfasst von
Kuan-Cheng Lin
Sih-Yang Chen
Jason C. Hung
Copyright-Jahr
2015
Verlag
Springer Netherlands
Buch
Ubiquitous Computing Application and Wireless Sensor

Print ISBN: 978-94-017-9617-0

Electronic ISBN: 978-94-017-9618-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-94-017-9618-7_28

Neuer Inhalt

    Bildnachweise