Uma abordagem Multi-objetiva Híbrida para Seleção e Atribuição de Pesos a Características para Classificadores k-NN

• Salomão S. Madeiro UPE
• Joás E. Souza UPE
• Carmelo J. A. Bastos Filho UPE
• Adriano L. I. Oliveira UPE

Resumo

Seleção e atribuição de pesos às características de um classificador como o k-Nearest Neighbor (k-NN) influenciam diretamente o desempenho do classificador. A seleção manual pode se tornar inviável para bases de dados com uma grande quantidade de características (e.g. 100 características). Neste trabalho, é proposta uma nova abordagem para seleção de características por meio de um processo baseado em um algoritmo de inteligência de enxames multi-objetivo e mutação guiada. Para a atribuição de pesos é usada a técnica Cross-Searching Strategy Multi-Objective Particle Swarm Optimization (CSS-MOPSO). Os resultados obtidos nas simulações demonstram que a abordagem proposta neste trabalho é capaz de melhorar a precisão de um classificador k-NN em relação a outras abordagens propostas anteriormente.

Referências

Chiu, S.-Y., Sun, T.-Y., Hsieh, S.-T. e Lin, C.-W. (2007) “Cross-Searching Strategy for Multi-objective Particle Swarm Optimization”, IEEE Congress on Evolutionary Computation (CEC 2007), pp. 3135-3141.

Coello Coello, C. A., e Lechuga, M. S. (2002) “MOPSO: A proposal for multiple objective particle swarm optimization,” in Proc. of IEEE World Congress on Computational Intelligence (CEC’02), pp. 1051-1056.

Deb, K., Pratap, A., Agarwal, S. e Meyarivan, T. (2002) “A fast and elitist multiobjective genetic algorithm: NSGA-II,” IEEE Transactions on Evolutionary Computation, vol. 6, pp. 182-197.

Duda, R. O., Hart, P. E., Stork, D. G. (2000) “Pattern Recognition”, Second edition, Wiley-Interscience.

Glover, F., Laguna, M., 1989. Tabu search I. ORSA J. Comput. 1 (3), 190–206.

Goldberg, D. E. (1989) “Genetic Algorithms in Search, Optimization and Machine Learning”. Reading MA: Addison Wesley.

Kennedy, J. e Eberhart, R. C. (1995) “Particle Swarm Optimization”, In Proc. of IEEE ICNN, Perth, Australia, pp. 1942-1948.

Parsopoulos, K. E. e Vrahatis, M. N. (2002) “Particle swarm optimization method in multiobjective,” in Proc. of the ACM Symposium on Applied Computing (SAC 2002), pp. 603-607.

Tahir, M. A., Bouridane, A. e Kurugollu, F. (2007) “Simultaneous feature selection and feature weighting using Hybrid Tabu Search/K-nearest neighbor classifier,” Pattern Recognition Letters, Vol. 28, Issue 4, pp. 438-446.