Feature selection for a given model can be transformed into an optimization task. The essential idea behind it is to find the most suitable subset of features according to some criterion. Nature-inspired optimization can mitigate this problem by producing compelling yet straightforward solutions when dealing with complicated fitness functions. Additionally, new mathematical representations, such as quaternions and octonions, are being used to handle higher-dimensional spaces. In this context, we are introducing a meta-heuristic optimization framework in a hypercomplex-based feature selection, where hypercomplex numbers are mapped to real-valued solutions and then transferred onto a boolean hypercube by a sigmoid function. The intended hypercomplex feature selection is tested for several meta-heuristic algorithms and hypercomplex representations, achieving results comparable to some state-of-the-art approaches. The good results achieved by the proposed approach make it a promising tool amongst feature selection research.
Applications of Nature-Inspired Algorithms for Dimension Reduction: Enabling Efficient Data Analytics
University of Georgia（佐治亚大学）；Franklin College of Arts and Sciences（富兰克林文理学院）；Florida International University（佛罗里达国际大学）；College of Engineering and Computing（工程与计算学院）
在[1]中，我们已经探索了特征选择和进化算法的理论方面。在本章中，我们重点介绍用于增强数据分析过程的优化算法，即，我们建议探索自然启发算法在数据科学中的应用。特征选择优化是一种利用特征选择技术和进化算法过程来优化所选特征的混合方法。以前的作品迭代地解决这个问题，收敛到一个最佳的特征子集。特征选择优化是一种非特定领域的方法。数据科学家主要试图找到一种先进的方法来分析数据，具有高计算效率和低时间复杂度，从而导致有效的数据分析。因此，通过增加来自各种来源的生成/测量/感测的数据，数据的分析、操纵和说明呈指数增长。由于数据集规模庞大，维数灾难（Curse of Dimensionality，CoD）是数据科学中的NP难题之一。因此，一些努力已经集中在利用进化算法（EA）来解决大规模数据分析问题中的复杂问题。降维与EA一起，有助于解决CoD和解决复杂问题，在时间复杂度方面，有效地。在这一章中，我们首先提供了一个简短的概述，以前的研究，重点是解决CoD使用特征提取优化过程。然后，我们讨论了研究的实际例子，成功地解决了一些应用领域，如图像处理，情感分析，网络流量/异常分析，信用评分分析和其他基准功能/数据集分析。
Speech Emotion Recognition Using Deep Sparse Auto-Encoder Extreme Learning Machine with a New Weighting Scheme and Spectro-Temporal Features Along with Classical Feature Selection and A New Quantum-Inspired Dimension Reduction Method
Exhaustive Exploitation of Nature-inspired Computation for Cancer Screening in an Ensemble Manner
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；School of Artificial Intelligence, Hebei University of Technology（河北工业大学人工智能学院）；School of Information Science and Technology, Northeast Normal University（东北师范大学信息科学与技术学院）；Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
Massachusetts Institute of Technology（麻省理工学院）；Inria（法国国家信息与自动化研究所）；Ecole Normale Supérieure（巴黎高等师范学院）；PSL Research University（巴黎文理研究大学）；KTH（瑞典皇家理工学院）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
Selection Heuristics on Semantic Genetic Programming for Classification Problems
INFOTEC Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación（INFOTEC信息与通信技术创新研究中心）；Universidad Panamericana（泛美大学）；CONACyT Consejo Nacional de Ciencia y Tecnología（墨西哥国家科学技术委员会）
