0317356 20240111140712.320081216235959.9 Dynamic Oscillating Search Algorithm for Feature Selection 4 s. www cav_un_epca*0317355978-1-4244-2174-9ICPR 2008 Proceedings (Int. Conf. on Pattern Recognition)2308-2311Tampa, FloridaIEEE Computer Society2008 Dynamické oscilační vyhledávání pro výběr příznaků feature selection subset search sequential search oscillating search subset size optimization cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101171 Novovičová Jana UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101091 Grim Jiří UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. pdf http://library.utia.cas.cz/separaty/2008/RO/somol-dynamic oscillating search algorithm for feature selection.pdf 236kb 1M0572 GA MŠk cav_un_auth*0001814 1ET400750407 GA AV ČR cav_un_auth*0001797 GA402/03/1310 GA ČR CZ cav_un_auth*0009030 2C06019 GA MŠk CZ cav_un_auth*0216518 CEZ:AV0Z10750506 We introduce a new feature selection method suitable for non-monotonic criteria, i.e., for Wrapper-based feature selection. Inspired by Oscillating Search, the Dynamic Oscillating Search: (i) is deterministic, (ii) optimizes subset size, (iii) has built-in preference of smaller subsets, (iv) has higher optimization performance than other sequential methods. We show that the new algorithm is capable of over-performing older methods not only in criterion maximization ability but in some cases also in obtaining subsets that generalize better. Představujeme novou metodu výběru příznaků vhodnou pro nemonotonní kritéria, tedy pro výběr příznaků typu Wrapper. Inspirováno oscilačním vyhledáváním, nové dynamické oscilační vyhledávání: (i) je deterministické, (ii) optimalizuje velikost podmnožiny, (iii) má vestavěn mechanizmus upřednostnění menších podmnožin, (iv) má silnější optimalizační schopnost než ostatní sekvenční metody. Ukazujeme že nový algoritmus je schopen nejen nalézat řešení blíže optimu ve smyslu optimalizovaného kritéria, ale které také lépe zobecňuje. cav_un_auth*0245342 ICPR 2008 (Int. Conf. on Pattern Recognition) Tampa, Florida 07.12.2008-11.12.2008 US 2010 BD http://hdl.handle.net/11104/0167022 2008 pdf 236kb cav_un_epca*0317355 ICPR 2008 Proceedings (Int. Conf. on Pattern Recognition) 978-1-4244-2174-9 2308 2311 Tampa, Florida IEEE Computer Society 2008