Cost-sensitive feature selection

• Autorzy: Ciupke K.

Warianty tytułu

PL

Selekcja cech z uwzględnieniem kosztu ich pozyskania

• Języki publikacji: EN

Abstrakty

EN

The paper concerns the selection of features in the technical diagnostics domain. The author focused his attention on a wrapper approach. In this approach an application of the ant algorithm as a search engine is proposed. The proposed method of so-called ant wrapper approach is presented. The method takes advantage of cost of features, where the cost is connected with the cost of sensors. The algorithm as a pseudo-code and some results of a verification experiment are shown. The verification was carried out on data derived from an active diagnostic experiment concerning a rotating machine. The obtained results show, that the proposed method could allow to reduce the number of used sensors.

PL

W artykule opisano metodę selekcji cech z zastosowaniem algorytmu mrówkowego. Metoda pozwala także na uwzględnienie kosztu atrybutu, przy czym jego koszt związany jest z kosztem pozyskanie sygnału diagnostycznego. W przypadku gdy sygnał ten jest już wykorzystywany uznaje się, że koszt wyznaczenia danej cechy jest pomijalnie mały. Metodę przedstawiono w postaci pseudo-kodu i zweryfikowano dla danych pochodzących z czynnego eksperymentu diagnostycznego. Uzyskane wyniki pokazują, że istnieje możliwość ograniczenia liczby stosowanych czujników.

Słowa kluczowe

EN

feature selection; ant algorithm; machine learning; artificial intelligence; technical diagnostics

PL

selekcja cech; algorytm mrówkowy; uczenie maszynowe; sztuczna inteligencja; diagnostyka techniczna

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2006
• Tom: nr 2(38)
• Strony: 45--48
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Ciupke K.

• Silesian University of Technology, Faculty of Mechanical Engineering, Konarskiego Street 18A, 44-100 Gliwice, Poland,

Bibliografia

• [1] Boryczka U.: Co-operation through stigmergy in ant colony optimization for TSP, Proc. of the 7th Intern. Conf. on Soft Computing Mendel 2001, Brno, Czech Republic, pp. 191-196.
• [2] Ciupke K. Application of ant algorithm to selection of diagnostic information., (in Polish). Pomiary, Automatyka, Kontrola, 2005, No. 9bis, pp. 134-135.
• [3] Dorigo M., Di Caro G., Gambardella L.: Ant algorithms for discrete optimization. Atrificial Life, 1999, Vol. 5, No. 3, pp. 137-172.
• [4] Hand D. J.: Discrimination and classification. Chichester, J. Wiley and Sons, 1981
• [5] Jensen R., Shen Q.: Finding Rough Set Reducts with Ant Colony Optimization. Proceedings of the 2003 UK Workshop on Computational Intelligence, pp. 15-22, 2003.
• [6] Kohavi R., John G.: The wrapper approach. In: H. Liu and H. Motoda: Feature extraction, construction and selection: A data mining perspective. Kluwer Academic Publisher, 1998.
• [7] C5/See5 Home page, url: www.rulequest.com.