خوارزمية تحسين الكوتي المحسنة باستخدام التعلم القائم على المعارضة النخبوية وآلية البحث التكيفية لاختيار الميزات

إن الارتفاع السريع في حجم وأبعاد الميزة يؤثر سلبًا على التعلم الآلي والعديد من المجالات الأخرى، مما يؤدي إلى دقة تصنيف أسوأ وتكاليف حسابية أعلى. تعد طرق اختيار الميزة (FS) ضرورية لتقليل أبعاد الميزة، والتي تعمل عن طريق إزالة السمات مثل المعلومات غير ذات الصلة والأقل إفادة والتي قد يكون لها تأثير ضار على أداء المصنفين. تقدم هذه الورقة نسخة محسنة من خوارزمية تحسين كواتي (ECOA) التي تتميز بقدرة بحث أفضل من خوارزمية تحسين كواتي الأساسية. تم تطوير خوارزمية تحسين كواتي حديثًا لتقليد سلوك كواتي عندما يصطاد ويهاجم الإيجوانا وكذلك عندما يحاول الفرار من الحيوانات المفترسة. على الرغم من أن مؤلفي هذه الخوارزمية يصرحون بأنها واعدة، إلا أنها تظهر أحيانًا أداء بحث ضعيفًا وتقاربًا مبكرًا. للتخفيف من هذه المشكلات، تم اقتراح خوارزمية تحسين كواتي التي تستخدم التعلم القائم على النقيض النخبوي بالإضافة إلى بعض آليات البحث التكيفية. من المتوقع أن يتمتع ECOA بآلية بحث محسنة ويمكنه منع الاحتجاز عند المستوى الأمثل محليًا، اعتمادًا على الطفرة، والبحث عن جوار الطفرة، وإجراءات التراجع. علاوة على ذلك، فإنه يعزز تنوع السكان ومعدل التقارب. تم استخدام خوارزميات COA وECOA لحل مشاكل FS من خلال تحديد مجموعات فرعية من الميزات المثلى بناءً على إصدار ثنائي لكل خوارزمية معتمدة ومصنف k-Nearest Neighbor (k-NN). لتقييم أداء ECOA الثنائي (BECOA)، تم إجراء عدد من التجارب على 24 مجموعة بيانات تم جمعها من العديد من المصادر. علاوة على ذلك، تم استخدام ستة معايير - الحساسية، والنوعية، ودقة التصنيف، وقيمة اللياقة البدنية، وعدد الميزات المختارة، ووقت التشغيل - لتقييم أداء BECOA. تُظهر النتائج التجريبية تميز BECOA عن طرق FS الأخرى القائمة على k-NN، بما في ذلك COA الثنائي (BCOA) وطرق التحسين الثنائية الأخرى، في عدد من جوانب التقييم. وعلى وجه الخصوص، من بين 24 مجموعة بيانات تم النظر فيها، تمكنت BECOA، التي حققت أفضل النتائج الإجمالية بين جميع الخوارزميات الثنائية المتنافسة الأخرى، من التفوق حصريًا على غيرها في 7 مجموعات بيانات من حيث دقة التصنيف، و11 مجموعة بيانات من حيث الخصوصية، و5 مجموعات بيانات من حيث الحساسية، و10 مجموعات بيانات من حيث عدد الميزات المحددة، و4 من حيث وقت التشغيل، و14 مجموعة بيانات من حيث قيم اللياقة البدنية.