Resumen

Este documento tiene como objetivo proponer un algoritmo de aprendizaje mejorado para la selección de características, denominado colonia artificial de abejas de seguimiento superior binario con mutación Cauchy dinámica (BSTABC-DCM). Para mejorar la capacidad de explotación, se propone una estrategia de aprendizaje binario que permite a cada abeja aprender de los individuos superiores en cada dimensión. Se introduce una mutación Cauchy dinámica para diversificar la distribución de la población. Se adoptan diez conjuntos de datos del repositorio UCI como problemas de prueba, y se comparan los resultados promedio de la validación cruzada de BSTABC-DCM con otros siete metaheurísticas populares de inteligencia de enjambre. Los resultados experimentales demuestran que BSTABC-DCM podría obtener la precisión de clasificación óptima y seleccionar las mejores características representativas para los problemas de UCI.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo de aprendizaje; Selección de características; Colonia artificial de abejas rastreadoras binarias superiores; Mutación Cauchy dinámica; Repositorio UCI; Precisión de clasificación
• Keywords:Learning algorithm; Feature selection; Binary superior tracking artificial bee colony; Dynamic Cauchy mutation; UCI repository; Classification accuracy