$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

패턴 인식에서 특징 선택을 위한 개미 군락 최적화
Ant Colony Optimization for Feature Selection in Pattern Recognition 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.10 no.5, 2010년, pp.1 - 9  

오일석 (전북대학교 컴퓨터공학부) ,  이진선 (우석대학교 게임콘텐츠학과)

초록
AI-Helper 아이콘AI-Helper

이 논문은 특징 선택에 사용되는 개미 군락 최적화의 수렴 특성을 개선하기 위해 선택적 평가라는 새로운 기법을 제시한다. 이 방법은 불필요하거나 가능성이 덜한 후보 해를 배제함으로써 계산량을 줄인다. 이 방법은, 그런 해를 찾아내는데 사용할 수 있는 페로몬 정보 때문에 구현이 가능하다. 문제 크기에 따른 알고리즘의 적용가능성을 판단할 목적으로, 특징 선택에 사용되는 세 가지 알고리즘인 탐욕 알고리즘, 유전 알고리즘, 그리고 개미 군락 최적화의 계산 시간을 분석한다. 엄밀한 분석을 위해 원자 연산이라는 개념을 사용한다. 실험 결과는 선택적 평가를 채택한 개미 군락 최적화가 계산 시간과 인식 성능 모두에서 우수함을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper propose a novel scheme called selective evaluation to improve convergence of ACO (ant colony optimization) for feature selection. The scheme cutdown the computational load by excluding the evaluation of unnecessary or less promising candidate solutions. The scheme is realizable in ACO due...

주제어

#특징선택   #그리디 알고리즘   #유전알고리즘   #개미 군락 최적화   #패턴인식  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • The aim of this section is to devise an improved version of ACO. Let us analyze the computational time of Algorithm ACO in Section 3.
  • This paper concentrates on identifying distinguishing characteristics of the feature design in pattern recognition domain. Based on the characteristics, we attempt to design feature selection algorithm which is best applicable to the pattern recognition problems.
  • This paper proposed a feature selection algorithm for the pattern recognition. The ACO with the newly proposed selective evaluation scheme was the best among greedy algorithm, GA, and ACO.

가설 설정

  • Definition 1: When a classifier satisfies both in learning and recognition stages that t(s) is approximately equal to s*t(1), we say that the classifier is approximately linear.
  • Definition 2: The evaluation of a single feature is called an atomic operation. The time required for the atomic operation is t(1) and it is referred to as the atomic time.
본문요약 정보가 도움이 되었나요?

참고문헌 (14)

  1. O. D. Trier, A. K. Jain, and T. Taxt, “Feature extraction methods for character recognition-a survey,” Pattern Recognition, Vol.29, No.4, pp.641-662, 1996. 

    상세보기 crossref

  2. S. Theodoridis and K. Koutroumbas, Pattern Recognition, 3rd ed., Academic Press, 2006. 

  3. J. Kittler, "Feature selection and extraction," in Handbook of Pattern Recognition and Image Processing, Academic Press (Edited by T.Y. Young and K.S. Fu), pp.59-83, 1986. 

  4. M. Kudo and J. Sklansky, “Comparison of algorithms that select features for pattern recognition,” Pattern Recognition, Vol.33, No.1, pp.25-41, 2000. 

    상세보기 crossref

  5. P. M. Murphy and D. W. Aha, UCI repository for machine learning databases, (http://www.ics. uci.edu/~mlearn/databases/), 1994. 

  6. Marco Dorigo and Christian Blum, “Ant colony optimization: a survey,” Theoretical Computer Science, Vol.344, pp.243-278, 2005. 

    상세보기 crossref

  7. Christine Solnon and Derek Bridge, “An ant colony optimization meta-heuristic for subset selection problems,” in System Engineering using Particle Swarm Optimization (Edited by Nadia Nedjah and Luiza Mourelle), Nova Science publisher, pp.7-29, 2006. 

  8. M. H. Aghdam, N. Ghasem-Aghaee, and M. E. Basiri, “Text feature selection using ant colony optimization,” Expert Systems with Applications, Vol.36, pp.6843-6853, 2009. 

    상세보기 crossref

  9. P. Langley, “Selection of relevant features in machine learning,” Proc. of AAAI Fall Symposium on Relevance, pp.1-5, 1994. 

  10. Christian Blum and Andrea Roli,“Metaheuristics in combinatorial optimization:overview and conceptual comparison,” ACM Computing Surveys, Vol.35, No.3, pp.268-308, 2003. 

    상세보기 crossref

  11. David E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, Boston, 1989 

  12. I. S. Oh, J. S. Lee, and B. R. Moon, “Hybrid genetic algorithms for feature selection,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.26, No.11, pp.1424-1437, 2004. 

    상세보기 crossref

  13. C.L. Liu, “Handwritten digit recognition:benchmarking of state-of-the-art techniques,”Pattern Recognition, Vol.36, No.10, pp.2271-2285, 2003. 

    상세보기 crossref

  14. I. S. Oh and C. Y. Suen, “Distance features for neural network-based recognition of handwritten characters," International Journal on Document Analysis and Recognition, Vol.1, pp.73-88, 1998. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로