创新的细菌殖民地检测:利用改进的Salp Swarm算法进行多功能选择
Ahmad Ihsan1, Khairul Muttaqin1, Rahmatul Fajri2
1Department of Informatics, Faculty of Engineering, Universitas Samudra, Langsa 24416, Aceh, Indonesia.
Journal of imaging
|December 22, 2023
概括
这项研究引入了一种改进的salp swarm算法 (ISSA) 用于细菌分类. 改进的方法提高了特征选择的准确性和细菌特征识别的效率.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 准确的细菌分类对于诊断和研究至关重要.
- 传统的方法经常与复杂的,高维数据集作斗争.
- 特性选择是提高分类模型性能的关键.
研究的目的:
- 开发一种用于细菌分类的先进的多特征选择方法.
- 为了增强salp群算法 (SSA) 以提高性能.
- 基于独特特征的细菌分类自动化.
主要方法:
- 引入了一个改进的salp swarm算法 (ISSA),结合了基于对立的学习 (OBL) 和局部搜索算法 (LSA).
- 通过提高所选特征和分类准确度,ISSA优化了多特征选择.
- 该方法涉及细菌分类的三个自动化阶段.
主要成果:
- 在19个特征的三个数据集上,ISSA实现了73.75%的分类准确性,超过了其他算法.
- 在确定最佳数量的特征方面表现出卓越的性能.
- 实现了0.249的分类错误率,表明更好的匹配值.
结论:
- 通过优化多特征选择,ISSA方法显著提高了细菌分类的准确性.
- 整合OBL和LSA提高了SSA处理本地优化和多样性的能力.
- 这种方法为解决细菌分析中的特征选择挑战提供了有希望的贡献.
