A nature-inspired feature selection approach based on hypercomplex information

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorMiddlesex Univ-
Autor(es): dc.creatorRosa, Gustavo H. de [UNESP]-
Autor(es): dc.creatorPapa, Joao P. [UNESP]-
Autor(es): dc.creatorYang, Xin-She-
Data de aceite: dc.date.accessioned2022-02-22T00:11:45Z-
Data de disponibilização: dc.date.available2022-02-22T00:11:45Z-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-09-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1016/j.asoc.2020.106453-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/197275-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/197275-
Descrição: dc.descriptionFeature selection for a given model can be transformed into an optimization task. The essential idea behind it is to find the most suitable subset of features according to some criterion. Nature-inspired optimization can mitigate this problem by producing compelling yet straightforward solutions when dealing with complicated fitness functions. Additionally, new mathematical representations, such as quaternions and octonions, are being used to handle higher-dimensional spaces. In this context, we are introducing a meta-heuristic optimization framework in a hypercomplex-based feature selection, where hypercomplex numbers are mapped to real-valued solutions and then transferred onto a boolean hypercube by a sigmoid function. The intended hypercomplex feature selection is tested for several meta-heuristic algorithms and hypercomplex representations, achieving results comparable to some state-of-the-art approaches. The good results achieved by the proposed approach make it a promising tool amongst feature selection research. (C) 2020 Elsevier B.V. All rights reserved.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionSao Paulo State Univ, Dept Comp, Ave Eng Luiz Edmundo Carrijo Coube 14-01, BR-17033360 Bauru, SP, Brazil-
Descrição: dc.descriptionMiddlesex Univ, Sch Sci & Technol, London NW4 4BT, England-
Descrição: dc.descriptionSao Paulo State Univ, Dept Comp, Ave Eng Luiz Edmundo Carrijo Coube 14-01, BR-17033360 Bauru, SP, Brazil-
Descrição: dc.descriptionFAPESP: 2013/07375-0-
Descrição: dc.descriptionFAPESP: 2014/12236-1-
Descrição: dc.descriptionFAPESP: 2016/19403-6-
Descrição: dc.descriptionFAPESP: 2017/02286-0-
Descrição: dc.descriptionFAPESP: 2017/25908-6-
Descrição: dc.descriptionFAPESP: 2018/219345-
Descrição: dc.descriptionFAPESP: 2019/02205-5-
Descrição: dc.descriptionCNPq: 307066/2017-7-
Descrição: dc.descriptionCNPq: 427968/2018-6-
Formato: dc.format11-
Idioma: dc.languageen-
Publicador: dc.publisherElsevier B.V.-
Relação: dc.relationApplied Soft Computing-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectMeta-heuristic optimization-
Palavras-chave: dc.subjectHypercomplex spaces-
Palavras-chave: dc.subjectFeature selection-
Título: dc.titleA nature-inspired feature selection approach based on hypercomplex information-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.