NSGA-II 알고리즘을 이용한 다중 레이블 분류 문제에서 특징 선별 = Feature Selection in Multi-label Classification using NSGA-II Algorithm

국문 초록 (Abstract)

최근 하나 이상의 클래스 레이블을 가지는 데이터에 대한 클래스 분류 기법들이 연구되고 있다. 그 중 몇몇 연구들에서 다중 레이블 분류의 성능을 높이기 위해 특징 선별 기법을 사용했다. 그러나 다중 레이블 데이터의 복잡성으로 인해 기존의 특징 선별 기법을 적용하는 것은 성능 향상에 한계가 있다. 본 논문은 다목적 최적화 알고리즘인 NSGA-II를 다중 레이블 특징 선별 문제에 활용했다. 또한 본 논문에서는 특징 선별 문제에 적합한 유전자 조작 기법을 제안하여 NSGA-II에 적용했다. 그리고 실제 다중 레이블 데이터 셋에서 실험을 통해 제안하는 알고리즘이 기존 유전자 알고리즘을 사용한 특징 선별 기법보다 더 좋은 성능을 가지는 것을 보인다.

다국어 초록 (Multilingual Abstract)

Recently, a lot of researchers are interested in multi-label classification. Some of the researchers use feature subset selection to improve performance in multi-label classification. However, because multi-label problem is more complex than single-label, single-label feature selection algorithms have limitation to be applied to multi-label data. In this paper, NSGA-II, which is multi-objective optimize algorithm, is used for multi-label feature selection. In addition, this study proposes a novel genetic operator for feature selection problem. Finally, experiments on real world data set show that proposed algorithm achieves better performance than traditional genetic algorithm.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 제안하는 알고리즘
• 4. 실험 및 분석
• 5. 결론
• 참고문헌

참고문헌 (Reference)

1 S. Maldonado., "Simultaneous feature selection and classification using kernel-penalized support vector machines" 181 : 115-128, 2011

2 J. Garcia-Nieto., "Sensitivity and specificity based multiobjective approach for feature selection : Application to cancer diagnosis" 109 : 887-896, 2009

3 S. Lin., "Parameter determination of support vector machine and feature selection using simulated annealing approach" 8 : 1505-1512, 2008

4 M. -L. Zhang., "Multilabel neural networks with applications to functional genomics and text categorization" 18 : 1338-1351, 2006

5 K. Trohidis., "Multilabel classification of music into emotions" 2008

6 J. Read., "Multi-label classification using ensembles of pruned sets" 995-1000, 2008

7 G. Tsoumakas., "Mining multi-label data, In Data Minning and Knowledge Discovery Handbook" 667-685, 2010

8 M. R. Boutell., "Learning multi-label scene classification" 37 : 1757-1771, 2004

9 N. Kwak., "Input feature selection for classification problems" 13 : 143-159, 2002

10 I. -S. Oh., "Hybrid genetic algorithms for feature selection" 26 : 1424-1437, 2004

11 P. Pudil., "Floating search methods in feature selection" 15 : 1119-1125, 1994

12 M. -L. Zhang., "Feature selection for multi-label naive bayes classification" 179 : 3218-3229, 2009

13 M. Dash., "Feature selection for classification" 1 (1): 131-156, 1997

14 P. Hanchuan., "Feature selection based on mutual information criteria of max-dependency, max-relevance, and min-redundancy" 27 : 1226-1238, 2005

15 G. Doquire., "Feature Selection for Multi-label Classification Problems" 6691 : 9-16, 2011

16 M. Raymer., "Dimensionality reduction using genetic algorithms" 4 : 164-171, 2000

17 H. Xu., "Designing a Multi-label Kernel Machine with Two-Objective Optimization" 6319 : 282-291, 2010

18 R. E. Schapire., "BoosTexter : A boosting-based system for text categoriztion" 39 : 135-168, 2000

19 H. Wang., "Axiomatic approach to feature subset selection based on relevance" 21 : 271-277, 1999

20 J. Horn., "A niched Pareto genetic algorithm for multiobjective optimization" 1 : 82-87, 1994

21 C. Emmanouilidis., "A multiobjective evolutionary setting for feature selection and a commonality-based crossover operator" 1 : 309-316, 2000

22 A. Elisseeff., "A kernel method for multi-labelled classification" 14 : 681-687, 2001

23 J. Huang., "A hybrid genetic algorithm for feature selection wrapper based on mutual information" 28 : 1825-1844, 2007

24 K. Deb., "A fast and elitist multiobjective genetic algorithm : NSGA-II" 6 : 182-197, 2002