| ชื่อบทความ |
Enhanced Classification Accuracy for Cardiotocogram Data with Ensemble Feature Selection and Classifier Ensemble |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
25 มีนาคม 2559 |
| วารสาร |
| ชื่อวารสาร |
Journal of Computer and Communications |
| มาตรฐานของวารสาร |
OTHER () |
| หน่วยงานเจ้าของวารสาร |
Scientific Research Publishing Inc. |
| ISBN/ISSN |
2327-5227 |
| ปีที่ |
2016 |
| ฉบับที่ |
4 |
| เดือน |
4 |
| ปี พ.ศ. ที่พิมพ์ |
2559 |
| หน้า |
20-35 |
| บทคัดย่อ |
In this paper ensemble learning based feature selection and classifier ensemble model is proposed to improve classification accuracy. The hypothesis is that good feature sets contain features that are highly correlated with the class from ensemble feature selection to SVM ensembles which can be achieved on the performance of classification accuracy. The proposed approach consists of two phases: (i) to select feature sets that are likely to be the support vectors by applying ensemble based feature selection methods; and (ii) to construct an SVM ensemble using the selected features. The proposed approach was evaluated by experiments on Cardiotocography dataset. Four feature selection techniques were used: (i) Correlation-based, (ii) Consistency-based, (iii) ReliefF and (iv) Information Gain. Experimental results showed that using the ensemble of Information Gain feature selection and Correlation-based feature selection with SVM ensembles achieved higher classification accuracy than both single SVM classifier and ensemble feature selection with SVM classifier. |
| คำสำคัญ |
Classification, Feature Selection, Support Vector Machines, Ensemble Learning, Classification Accuracy |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
ชาติ |
| citation |
ไม่มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English