ВЫБОР СИСТЕМЫ ИНФОРМАТИВНЫХ ПРИЗНАКОВ ДЛЯ КЛАССИФИКАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ НА ОСНОВЕ ЭВОЛЮЦИОННОГО ПОИСКА.

Презентация:



Advertisements
Похожие презентации
Лекция 6 множественная регрессия и корреляция. ( продолжение )
Advertisements

Теория статистики Корреляционно-регрессионный анализ: статистическое моделирование зависимостей Часть 1. 1.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
Лекция 6 множественная регрессия и корреляция. ( продолжение )
ЛЕКЦИЯ 8 КОРРЕЛЯЦИОННО- РЕГРЕССИОННЫЙ АНАЛИЗ. МОДЕЛИРОВАНИЕ СВЯЗЕЙ.
АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Российский университет дружбы народов Институт гостиничного бизнеса и туризма В. Дихтяр Теория и методология социально- экономических исследований в туристской.
Применение генетического программирования для реализации систем со сложным поведением Санкт-Петербургский Государственный Университет Информационных Технологий,
Анализ связи между атрибутивными признаками. Взаимосвязь между атрибутивными признаками анализируют­ся посредством таблиц взаимной сопряженности. Они.
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МЕТОД: РАНГОВАЯ КОРРЕЛЯЦИЯ Выполнила студентка группы о-50 Бм Орлова Дарья.
Анализ данных Кластеризация. План лекции Модельные алгоритмы (пример: EM) Концептуальные алгоритмы (пример: COBWEB) Цель: Знакомство с основными алгоритмами.
Многокритериальный подход к различным сценариям задачи управления персоналом в сфере телекоммуникаций. Потапов М. А. Некрылов Д.А.
Решение задачи диффузии, зависящей от времени. Рассмотрим простейшее уравнение в частных производных параболического типа, описывающее процесс диффузии.
Проверка качества спецификации модели. Качество спецификации модели Под качеством спецификации модели понимается: - качество выбора функции уравнения.
ЗАДАЧА ОПТИМИЗАЦИИ ИЗДЕРЖЕК ПРОИЗВОДСТВА И ОБЪЕМА ВЫПУСКА ПРОДУКЦИИ Подготовили: Чирикало Анна Гурская Анна Биенко Екатерина.
Элементы теории корреляции. План: I. Понятие корреляционной зависимости: 1) Коэффициент корелляции 2) Проверка гипотезы о значимости выборочного коэффициента.
Александров А.Г ИТО Методы теории планирования экспериментов 2. Стратегическое планирование машинных экспериментов с моделями систем 3. Тактическое.
Основные понятия ИО. Исследование операций Комплексная математическая дисциплина, занимающаяся построением, анализом и применением математических моделей.
Поиск объектов на основе анализа наблюдаемой ситуации Ким Н.В., Кузнецов А.Г. Московский авиационный институт.
Прогнозирование ARMA- МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ С «ПРОПУСКАМИ» БГУ, ФПМИ, МАГИСТРАНТ Лобач Сергей Викторович.
Транксрипт:

ВЫБОР СИСТЕМЫ ИНФОРМАТИВНЫХ ПРИЗНАКОВ ДЛЯ КЛАССИФИКАЦИИ ТРАНСПОРТНЫХ СРЕДСТВ НА ОСНОВЕ ЭВОЛЮЦИОННОГО ПОИСКА

Недостатки классического эволюционного поиска для отбора информативных признаков: – высокая итеративность; – сильная зависимость от начальных условий поиска; – не позволяют отбирать заданное количество признаков. Предложенные методы и модификации: 1. Отбор заданного количества признаков. 2. Кэширование вычисленных значений фитнесс-функции. 3. Эволюционный метод с фиксацией части пространства поиска. 4. Методы эволюционного поиска с использованием априорной информации о значимости признаков Эволюционный поиск с группировкой признаков на основе индивидуальных оценок значимости признаков Эволюционный поиск с использованием энтропии как меры неопределенности состояния объекта Островная модель эволюционного поиска с учетом априорной информации о значимости признаков. 5. Полимодальный эволюционный поиск с кластеризацией хромосом.

ОТБОР КОМБИНАЦИИ ИНФОРМАТИВНЫХ ПРИЗНАКОВ ЗАДАННОГО РАЗМЕРА Способ поддержки ограничений в виде заданного количества признаков Критерий t kfkf k Присвоение максимально возможных значений фитнесс-функциям недопустимым хромосомам 331, ,0151 Использование предложенного подхода 297, ,0075 Таблица – Результаты отбора заданного количества признаков Используются модифицированные эволюционные операторы инициализации, скрещивания и мутации, которые генерируют новые решения, соответствующие определенному количеству признаков.

ОТБОР КОМБИНАЦИИ ИНФОРМАТИВНЫХ ПРИЗНАКОВ ЗАДАННОГО РАЗМЕРА Рис. Достигнутая ошибка классификации на различных итерациях при использовании различных подходов к отбору заданного количества признаков

КЭШИРОВАНИЕ ВЫЧИСЛЕННЫХ ЗНАЧЕНИЙ ФИТНЕСС- ФУНКЦИИ Таблица – Анализ эффективности применения кэширования вычисленных значений фитнесс-функции Используются два массива Н и Е. Н – массив для хранения значений оцененных хромосом. Е – массив со значениями фитнесс-функции, соответствующими хромосомам, представленным в массиве Н. Кэширование Критерий tkfkf k Не используется 297, ,0075 Используется 183, ,0075

КЭШИРОВАНИЕ ВЫЧИСЛЕННЫХ ЗНАЧЕНИЙ ФИТНЕСС- ФУНКЦИИ Рис. График суммарного количества вычисленных значений фитнесс-функции

ЭВОЛЮЦИОННЫЙ МЕТОД С ФИКСАЦИЕЙ ЧАСТИ ПРОСТРАНСТВА ПОИСКА Повышает эффективность эволюционного поиска за счет исключения на этапе инициализации признаков, незначительно влияющих на целевой параметр. Для оценки индивидуального влияния i-го признака на значение выходного параметра используются критерии: 1) для признаков, имеющих действительные значения: коэффициент парной корреляции: 2) для дискретных признаков: – коэффициент корреляции Фехнера: – коэффициент корреляции знаков:

МЕТОДЫ ЭВОЛЮЦИОННОГО ПОИСКА С ИСПОЛЬЗОВАНИЕМ АПРИОРНОЙ ИНФОРМАЦИИ О ЗНАЧИМОСТИ ПРИЗНАКОВ На основании рассчитанных на этапе инициализации индивидуальных оценок значимости признаков приближают начальную точку поиска к оптимальной. Показатели индивидуальной информативности признаков и тесноты связи признаков между собой используются не только на этапе инициализации, но и на всех последующих этапах эволюционного поиска. 1. Эволюционный поиск с группировкой признаков на основе индивидуальных оценок значимости признаков 2. Эволюционный поиск с использованием энтропии как меры неопределенности состояния объекта 3. Островная модель эволюционного поиска с учетом априорной информации о значимости признаков

ПОЛИМОДАЛЬНЫЙ ЭВОЛЮЦИОННЫЙ ПОИСК С КЛАСТЕРИЗАЦИЕЙ ХРОМОСОМ Позволяет получить несколько информативных комбинаций, расположенных в различных точках пространства признаков. Группирует наборы информативных признаков в зависимости от их расположения в пространстве признаков: – рассчитывается расстояние Хэмминга d между хромосомами H j и H l : – увеличиваются значения фитнесс-функций хромосом, не являющихся лучшими в кластере, по формуле:

РЕЗУЛЬТАТЫ ОТБОРА КОМБИНАЦИИ ПРИЗНАКОВ ПРИ ИСПОЛЬЗОВАНИИ РАЗЛИЧНЫХ ЭВОЛЮЦИОННЫХ МЕТОДОВ Таблица – Сравнительный анализ различных эволюционных методов для выделения системы информативных признаков Метод Критерий tkfkf k Классический эволюционный поиск (КЭП)183, ,0075 Эволюционный метод с фиксацией части пространства поиска (ЭМФЧПП) 133,495100,009 Эволюционный поиск с группировкой признаков на основе индивидуальных оценок значимости признаков (ЭПГПОИОЗ) 102,771100,0075 Эволюционный поиск с использованием энтропии (ЭПИЭ) 109,87590,0068 Островная модель эволюционного поиска (ОМЭП) 106,974100,0075 Полимодальный эволюционный поиск с кластеризацией хромосом (ПЭПКХ) 142, ,0083

РЕЗУЛЬТАТЫ ОТБОРА КОМБИНАЦИИ ПРИЗНАКОВ ПРИ ИСПОЛЬЗОВАНИИ РАЗЛИЧНЫХ ЭВОЛЮЦИОННЫХ МЕТОДОВ Рис. Достигнутая ошибка классификации на различных итерациях при использовании различных эволюционных методов