Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2025

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Polar Lights Optimizer

Sortuj według:

Ogranicz wyniki do:

Design and evaluation of a new tent-shaped transfer function using the Polar Lights Optimizeralgorithmfor feature selection

Almishlih Zaynab Ayham, Qasim Omar S., Algamal Zakariya Y.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 2

27--31

This research aims to develop a new transfer function to transform continuous space to binary space using the Polar Lights Optimizer (PLO) algorithm for the feature selection problem. The PLO algorithm relies on simulating the behaviourof the aurora borealis to achieve a balance in exploring and exploiting binary space. A new transfer function called the tent-shaped transfer function has been incorporated into the algorithm to improve its performance. The proposed function was tested on seven datasets, and compared with traditional transfer functions such as the S-shaped function family and the V-shaped function family. The results showed that the tent-shaped transfer function outperforms in terms of feature selection accuracy and reduces the number of features more effectively, which enhances the algorithm's ability to improve performance and reduce computational complexity.

Badania te mają na celu opracowanie nowej funkcji przenoszenia w celu przekształcenia przestrzeni ciągłej w przestrzeń binarną przy użyciu algorytmu Polar Lights Optimizer (PLO) dla problemu selekcji cech. Algorytm PLO opiera się na symulacji zachowania zorzy polarnej w celu osiągnięcia równowagi w eksploracji i wykorzystaniu przestrzeni binarnej. Nowa funkcja przenoszenia zwana funkcją przenoszenia w kształcienamiotu została włączona do algorytmu w celu poprawy jego wydajności. Proponowana funkcja została przetestowana na siedmiu zestawach danych iporównanaz tradycyjnymi funkcjami przenoszenia, takimi jak rodzina funkcji w kształcie litery S i rodzina funkcji w kształcie litery V. Wyniki pokazały, że funkcja przenoszenia w kształcie namiotu jest lepsza pod względem dokładności wyboru cech i skuteczniej zmniejsza liczbę cech, co zwiększa zdolność algorytmu do poprawy wydajności i zmniejszenia złożoności obliczeniowej.