Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Optimal Boolean lattice-based algorithms for the U-curve optimization problem

Texto completo
Autor(es):
Reis, Marcelo S. [1, 2] ; Estrela, Gustavo [3, 1, 2] ; Ferreira, Carlos Eduardo [3] ; Barrera, Junior [3, 2]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Inst Butantan, Lab Especial Ciclo Celular, Sao Paulo - Brazil
[2] Inst Butantan, Ctr Toxins Immune Response & Cell Signaling CeTIC, Sao Paulo - Brazil
[3] Univ Sao Paulo, Inst Matemat & Estat, Sao Paulo - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: INFORMATION SCIENCES; v. 471, p. 97-114, JAN 2019.
Citações Web of Science: 0
Resumo

The U-curve optimization problem is characterized by a decomposable in U-shaped curves cost function over the chains of a Boolean lattice. This problem can be applied to model the classical feature selection problem in Machine Learning. In this paper, we point out that the firstly proposed algorithm to tackle the U-curve problem, the RBM algorithm, is in fact suboptimal. We also present two new algorithms: UCS, which is actually optimal to tackle this problem; and UCSR, a variation of UCS that solves a special case of the U-curve problem and relies on a reduced, ordered binary decision diagram to control the search space. We provide results of two computational assays with these new algorithms: first, W-operator design for filtering of binary images; second, linear SVM design for classification of data sets from the UCI Machine Learning Repository. We show that, in these assays, UCS and UCSR outperformed an exhaustive search and also three widely used heuristics: the SFFS sequential selection, the BFS graph-based search, and the CHCGA genetic algorithm. Finally, we analyze the obtained results and point out improvements that might enhance the performance of these two novel algorithms. (C) 2018 Elsevier Inc. All rights reserved. (AU)

Processo FAPESP: 13/07467-1 - CeTICS - Centro de Toxinas, Imuno-Resposta e Sinalização Celular
Beneficiário:Hugo Aguirre Armelin
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias
Beneficiário:Roberto Marcondes Cesar Junior
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 14/23564-0 - Estudos de estruturas de dados eficientes para abordar o problema de otimização U-curve
Beneficiário:Gustavo Estrela de Matos
Linha de fomento: Bolsas no Brasil - Iniciação Científica