Resumen

Cuando se dice que la cantidad de datos e información se duplica aproximadamente cada 20 meses, la selección de características se ha vuelto altamente importante y beneficiosa. Mejoras adicionales en la selección de características afectarán positivamente a una amplia gama de aplicaciones en campos como el reconocimiento de patrones, el aprendizaje automático o el procesamiento de señales. En este trabajo se ha presentado un método bioinspirado llamado Algoritmo de Murciélagos hibridado con un clasificador Naive Bayes. Se investigó el rendimiento del algoritmo de selección de características propuesto utilizando doce conjuntos de datos de referencia de diferentes dominios y se comparó con otros tres algoritmos de selección de características bien conocidos. La discusión se centró en cuatro perspectivas: número de características, precisión de clasificación, estabilidad y generalización de características. Los resultados mostraron que BANB superó significativamente a otros algoritmos en la selección de un menor número de características, eliminando así características irrelevantes, redundantes o ruidosas mientras se mantenía la precisión de clasificación. B

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Datos; Selección de características; Algoritmo; Precisión de clasificación; Aprendizaje automático; Algoritmo de Murciélago
• Keywords:Data; Feature selection; Algorithm; Classification accuracy; Machine learning; Bat Algorithm