$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

패턴 인식문제를 위한 유전자 알고리즘 기반 특징 선택 방법 개발

Genetic Algorithm Based Feature Selection Method Development for Pattern Recognition

초록

패턴 인식 문제에서 중요한 전처리 과정 중 하나는 특정을 선택하거나 추출하는 부분이다. 특정을 추출하는 방법으로는 PCA가 보통 사용되고 특정을 선택하는 방법으로는 SFS 나 SBS 등의 방법들이 자주 사용되고 있다. 본 논문은 진화 연산 방법으로써 비선형 최적화 문제에서 유용하게 사용되어 지고 있는 유전자 알고리즘을 특정 선택에 적용하는 유전자 알고리즘 특정 선택 (Genetic Algorithm Feature Selection: GAFS)방법을 개발하여 다른 특징 선택 알고리즘과의 비교를 통해 본 알고리즘의 성능을 관찰한다.

Abstract

IAn important problem of pattern recognition is to extract or select feature set, which is included in the pre-processing stage. In order to extract feature set, Principal component analysis has been usually used and SFS(Sequential Forward Selection) and SBS(Sequential Backward Selection) have been used as a feature selection method. This paper applies genetic algorithm which is a popular method for nonlinear optimization problem to the feature selection problem. So, we call it Genetic Algorithm Feature Selection(GAFS) and this algorithm is compared to other methods in the performance aspect.

참고문헌 (10)

  1. D. Ververidis and C. Kotropoulos, 'Emotional speech classification using Gaussian mixture models,' Proceedings of ISCAS, vol. 3, pp. 2871-2874, May, 2005 
  2. C.M. Lee and S.S Narayanan, 'Toward detecting emotions in spoken dialogs,' IEEE Transactions on Speech and Audio Processing, vol.13, pp. 293-303, March, 2005 
  3. J. Wagner, J.H. Kim, and E. Andre, 'From Physiological Signals to Emotions: Implementing and Comparing Selected Methods for Feature Extraction and Classification,' Proceedings of ICME, pp.940-943, July, 2005 
  4. Y.L. Lin and W. Gang, 'Speech Emotion Recognition based on HMM and SVM,' Proceedings of Machine Learning and Cybernetics, Vol.8, pp. 4898-4901, Aug, 2005 
  5. F. Morchen, A. Ultsch, M. Thies and I. Lohken, 'Modeling Timbre Distance With Temporal Statistics From Polyphonic Music,' IEEE transaction on Audio,Speech and Language Processing, Vol.14, Issue 1, pp. 81-90, Jan. 2006 
  6. E.F. Combarro, E. Montanes, I. Diaz, J. Ranilla, and R. Mones, 'Introducing a Family of Linear Measures for Feature Selection m Text Categorization,' IEEE transactions on Knowledge and Data Engineeringl, Vol.17, No.9, pp. 1223-1232, Sept., 2005 
  7. R.S. Sutton and A.G. Barto, Reinforcement Learning :An Introduction, A bradford book,London, 1998 
  8. Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer, North Carolina, 1999 
  9. C.H. Park and K.B. Sim, 'The Implementation of the Emotion Recognition from Speech and Facial Expression System,' Proc. of ICNC'05-FSKD'05, pp. 85-88, Aug. 27-29, 2005 
  10. P. Pudil and J. Novovicova, 'Novel Methods for Subset Selection with Respect to Problem knowledge,' IEEE Intelligent Systems, pp. 66-74, March,1998 

이 논문을 인용한 문헌 (3)

  1. Yang, Hyun-Chang ; Kim, Ho-Duck ; Park, Chang-Hyun ; Sim, Kwee-Bo 2006. "Interactive Feature selection Algorithm for Emotion recognition" 퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, 16(6): 647~652 
  2. Kwon, Byeung-Chun ; Cho, Nam-Wook 2012. "Development of an Early Warning System based on Artificial Intelligence" 산업공학 = IE Interfaces, 25(3): 319~326 
  3. Cho, Ok-Hee ; Hwang, Kyung-Hye 2014. "The Influences between New Nurses' Nursing Performance, Emotional Intelligence, Self-resiliency and Core Self-evaluation" 한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, 14(7): 291~301 

DOI 인용 스타일