نموذج هجين باستخدام خوارزميات فوق الحدسية المستوحاة من الطبيعة كطريقة لاختيار الميزة العميقة

الباحث

نور محمد نوري عبدالمحسن محمد نوري

المشرف

عمر صابر قاسم

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / الرياضيات

الشهادة

دكتوراه

السنة

2023

لغة الرسالة

انكليزي

الكلمات المفتاحية

Metaheuristic Algorithms ; Feature Selection ; Deep Learning ; Hybrid Model

في السنوات الأخيرة ، تم توجيه جهود كبيرة نحو الاستفادة من التعلم الآلي ومنهجيات التعلم العميق لتحسين تصنيف الصور. تعتمد فعالية أنظمة التصنيف بشكل كبير على Baga الميزات المستخرجة من الصور. تتعمق هذه الدراسة في مجال الاختيار العميق للميزات ، بهدف زيادة دقة التصنيف إلى الحد الأقصى من خلال تحديد السمات المحورية التي تؤثر بشكل كبير على عملية التصنيف. يعتمد هذا النهج على الشبكات العصبية التلافيفية (CNN) بالاقتران مع خوارزميات الكشف عن مجريات الأمور المستوحاة من السلوكيات البيولوجية ، مثل خوارزمية المفترس البحري (MPA) بعد تحويلها من مساحة مستمرة إلى مساحة منفصلة. يقدم البحث أربع منهجيات متميزة. يتضمن النهج الأولي اندماجًا iss ل ResNet-18 CNN وخوارزمية المفترس البحري الثنائي BMPA بعد ذلك ، في المنهجية الثانية ، تم دمج ResNet-50 CNN مع خوارزمية المفترس البحري الثنائي BMPA و لتحسين خوارزمية المفترس البحري الثنائي .82/12/4، يتم تهجينها مع خوارزمية تحسين الذئب الرمادي GWO بطريقة متناغمة. يجمع هذا بشكل فعال المعادلات من Ala pall الثانية من BMPA مع تلك الخاصة بخوارزمية GWO ، مما ينتج عنه خوارزمية هجينة جديدة تسمى BMPA_GWO يظهر النهج الثالث كتآزر بين ResNet-18 CNN وخوارزمية BMPA_GWO ، بينما تتضمن الاستراتيجية الرابعة Lal مشابهًا ل ResNet-50 CNN مع خوارزمية -_BMPA_GWO تتضمن مرحلة التجريب استخدام ثلاث مجموعات بيانات صور متنوعة: Corn Leaf Diseases (NLB), Star-Galaxy Classification Data, and Is it Daisy? تعمل مجموعات البيانات هذه كمعيار لتقييم كفاءة المنهجيات الأربع المقترحة. يتيح ذلك مقارنة ALLS للمنهجيتين الثالثة والرابعة مقابل النهجين الأول والثاني. تؤكد النتائج التجريبية فعالية الخوارزمية الهجينة BMPA_GWO بالاقتران مع الشبكات العصبية التلافيفية. هذا يؤكد كفاءتها في تحسين أداء تصنيف الصور من حيث دقة التصنيف وعدد الميزات المختارة.

In recent years, significant efforts have been directed toward leveraging machine learning and deep learning methodologies to enhance image classification. The effectiveness of classification systems profoundly depends on the quality of features extracted from the images. This study delves into the realm of deep feature selection, aiming to maximize classification accuracy by identifying pivotal features that significantly influence the classification process. This endeavor is based on Convolutional Neural Networks (CNNs) in conjunction with meta-heuristic algorithms inspired by biological behaviors, such as the Marine Predator Algorithm (MPA), after its conversion from continuous to discrete space. The research presents four distinct methodologies. The initial approach involves a hybrid fusion of the ResNet-18 CNN and the Binary Marine Predator Algorithm (BMPA). Subsequently, in the second methodology, the ResNet-50 CNN is combined with the BMPA. Seeking to refine the BMPA, the study integrates it with the Gray Wolf Optimization Algorithm (GWO) in a harmonious manner. This effectively combines equations from the second phase of BMPA with those of the GWO algorithm, resulting in a novel hybrid algorithm termed BMPA_GWO. The third approach manifests as a synergy between the ResNet-18 CNN and the BMPA_GWO algorithm, while the fourth strategy involves a similar fusion of the ResNet-50 CNN with the BMPA_GWO algorithm. The experimentation phase involves the utilization of three diverse image datasets: Corn Leaf Diseases (NLB), Star-Galaxy Classification Data, and Is it Daisy? These datasets serve as the benchmark for evaluating the efficiency of the four proposed methodologies. This enables a comprehensive comparison of the third and fourth methodologies against the first and second approaches. Experimental results confirm the effectiveness of the BMPA_GWO hybrid algorithm in conjunction with convolutional neural networks. This validates its efficiency in improving image classification performance in terms of classification accuracy and the number of selected features.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب