Memory-Assisted Dynamic Multi-Objective Evolutionary Algorithm for Feature Drift Problem

In this paper, we propose an enhanced feature selection algorithm able to cope with feature drift problem that may occur in data streams, where the set of relevant features change over time. We utilize a dynamic multi-objective evolutionary algorithm to continuously search for the updated set of rel...

Celý popis

Podrobná bibliografie

Vydáno v:	2020 IEEE Congress on Evolutionary Computation (CEC) s. 1 - 8
Hlavní autoři:	Sahmoud, Shaaban, Topcuoglu, Haluk Rahmi
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.07.2020
Témata:	dynamic multi-objective evolutionary algorithms Evolutionary computation feature drift Feature extraction Heuristic algorithms learning in non-stationary environments memory-based algorithms Optimization Power system dynamics severity of changes Sociology Statistics
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!