Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması

İbrahim Berkan Aydilek

doi:10.17341/gazimmfd.369406

Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması

Öz

Son yıllarda doğadan esinlenerek oluşturulmuş modern sürü zekalı optimizasyon algoritmaları daha popüler hale gelmiştir. Bu optimizasyon tekniklerinden biri de ateşböceği algoritmasıdır. Ateşböceği algoritması doğadaki ateşböceklerinin yaydıkları ışık şiddetine göre daha az parlak olanın parlak olana doğru yönelme prensibini temel alarak çalışır. Doğada ışık, gideceği mesafe ve bulunduğu ortam türüne göre belirli bir miktar emilime uğradığından dolayı şiddeti azalarak yayılmaktadır. Bu yüzden, bu makalede ortamda yani havada meydana gelen anlık değişimlerin ateşböceği algoritması tarafından dikkate alınması önerilmiş ve böylece algoritmanın daha iyi olması sağlanmıştır. Bu şekilde elde edilen değiştirilmiş ve iyileştirilmiş ateşböceği algoritması, literatür çalışmalarında sıklıkla kullanılan çok sınıflı özelliğe sahip iris, car, zoo gibi üç veri kümesi üzerinde sınıflama amacıyla uygulanmıştır. Kural tabanlı sınıflama yapabilmek için her sınıf etiketine ait kural elde edilerek kural listesi oluşturulmuş ve sınıflama başarısı C4.5, PART, Naive-Bayes gibi bilinen diğer sınıflama yöntemleri ile karşılaştırılmıştır. Elde edilen deneysel sonuçlarda, önerilen sınıflama yönteminin oldukça yeterli ve başarılı sonuçlar verdiği görülmüştür.

Anahtar Kelimeler

Ateşböceği optimizasyon algoritması,kural çıkarımı,kural tabanlı sınıflama

Kaynakça

1. Okay F.Y., Ozdemir S., Improving Coverage in Wireless Sensor Networks Using Multi-Objective Evolutionary Algorithms, Journal of the Faculty of Engineering and Architecture of Gazi University, 30 (2), 143-53, 2015.
2. Demir Y., Celik C., An Integer Programming Approach for Curriculum Based Timetabling Problem Solution, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (1), 145-59, 2016.
3. Zhonga F., Lia H., Zhongb S., A modified ABC algorithm based on improved-global-best-guided approach and adaptive-limit strategy for global optimization, Applied Soft Computing, 46, 469–486, 2016.
4. Cuicui Y., , Junzhong J., Jiming L., Baocai Y., Bacterial foraging optimization using novel chemotaxis and conjugation strategies, Information Sciences, 363, 72–95, 2016.
5. Emary E., Zawba H.M., Hassanien A.E., Binary grey wolf optimization approaches for feature selection, Neurocomputing, 172, 371-81, 2016.
6. Wang H., Wang W.J., Sun H., Rahnamayan S., Firefly algorithm with random attraction. Int J Bio-Inspir Com., 8 (1), 33-41, 2016.
7. Verma O.P., Aggarwal D., Patodi T., Opposition and dimensional based modified firefly algorithm, Expert Syst Appl., 44, 168-76, 2016.
8. Nekooeimehr I., Lai-Yuen S.K., Adaptive semi-unsupervised weighted oversampling (A-SUWO) for imbalanced datasets, Expert Syst Appl., 46, 405-16, 2016.

9. Rudzinski F., A multi-objective genetic optimization of interpretability-oriented fuzzy rule-based classifiers, Appl Soft Comput., 38, 118-33, 2016.
10. Wu J., Yang L., Li T.R., Zhang C.J., Li Z.H., Rule-based fuzzy classifier based on quantum ant optimization algorithm, J Intell Fuzzy Syst., 29 (6), 2365-71, 2015.
11. Lee J.H., Yeh W.C., Chuang M.C., Web page classification based on a simplified swarm optimization, Appl Math Comput., 270, 13-24, 2015.
12. Pourpanah F., Lim C.P., Saleh J.M., A hybrid model of fuzzy ARTMAP and genetic algorithm for data classification and rule extraction, Expert Syst Appl., 49, 74-85, 2016.
13. Wang H., Zhou X., Sun H., Yu X., Zhao J., Zhang H., Cui L., Firefly algorithm with adaptive control parameters, Soft Comput, DOI 10.1007/s00500-016-2104-3, 2016.
14. Wang B., Li D.X., Jiang J.P., Liao Y.H., A modified firefly algorithm based on light intensity difference, J Comb Optim., 31 (3), 1045-60, 2016.
15. Al-Maqaleh, B., Shabazakia, H., A genetic algorithm for discovering classification rules in data mining, International Journal of Computer Applications, 41, 18, 40- 44, 2012.
16. Fidelis M.V., Lopes H.S., Freitas A.A., Discovering comprehensible classification rules with a genetic algorithm, Proc. 2000 Congress Evolutionary Computation, 805-810, 2000.
17. Gundogan K.K., Alatas B., Karci A., Mining classification rules by using genetic algorithms with non-random initial population and uniform operator, Turkish Journal of Electrical Engineering and Computer Sciences (ELEKTRİK), 12 (1), 43–52, 2004.
18. Bandyopadhyay S., Murthy C.A., Pal S.K., Pattern classification using genetic algorithms, Determination of H. Pattern Recogn Lett., 19 (13), 1171-81, 1998.
19. Sharma P., Discovery of Classification Rules Using Distributed Genetic Algorithm, In: Proceedings of the International Conference on Information and Communication Technologies, ICICT 2014, 2014.
20. Fadl M. Ba-Alwi., Knowledge Acquisition Tool for Classification Rules using Genetic Algorithm Approach, International Journal of Computer Applications, 60, 1, 2012.
21. Pedersen M., Genetic Algorithms for Rule Discovery in Data Mining, Daimi, University of Aarhus, October, 2003. 22. Vivekanandan P., Rajalakshmi M., Nedunchezhian R., An Intelligent Genetic Algorithm for Mining Classification Rules in Large Datasets, Comput Inform., 32 (1),1-22, 2013.
23. Tan K. C., Tay A., Lee T. H., Heng C. M., Mining multiple comprehensible classification rules using genetic programming, in Proc. 2002 Congr. Evol. Comput., vol. 2, Piscataway, NJ: IEEE, May, 1302–1307, 2002.
24. Yang X.S., Firefly algorithms for multimodal optimization, Stochastic Algorithms: Foundations and Appplications, SAGA 2009, Lecture Notes in Computer Science, 5792, Springer-Verlag, Berlin, 169–178, 2009.
25. Pouyan B.M., Yousefi R., Ostadabbas S., Nourani M., A Hybrid Fuzzy-Firefly Approach for Rule-Based Classification, In: The Twenty-Seventh International Flairs Conference, 2014.
26. Sarac, E., Ozel, S.A., Web Page Classification Using Firefly Optimization, In: Innovations in Intelligent Systems and Applications(INISTA), IEEE International Symposium, 1-5, 2013.
27. Pekdemir G., Çoklu İmge Eşikleme Problemlerinde Metasezgisel Algoritmaların Performans Analizi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı Yüksek Lisans Tezi, 2012.
28. Karaarslan E., Zengin K., Ateş Böceği Algoritması İle Haftalık Ders Programı Hazırlama, EEB 2016 Elektrik-Elektronik ve Bilgisayar Sempozyumu, Tokat, 11-13 Mayıs, 2016.
29. Belen M.A., Alıcı M., Çor A., Güneş F., Ateşböceği Algoritması ile Mikrodalga Transistör Performans Karakterizasyonu, Eleco 2014 Elektrik – Elektronik – Bilgisayar ve Biyomedikal Mühendisliği Sempozyumu, Bursa, 27 – 29 Kasım, 2014.
30. Cheung N.J., Ding X-M, Shen H-B., Adaptive firefly algorithm: parameter analysis and its application. PLoS One 9 (11): e112634. doi:10.1371/journal.pone.0112634, 2014.
31. Lukasik S., Zak S., Firefly algorithm for continuous constrained optimization task, ICCCI 2009, Lecture Notes in Artificial Intelligence, 5796, 97-100, 2009.
32. Palit S., Sinha S., Molla M., Khanra A., Kule M., A cryptanalytic attack on the knapsack cryptosystem using binary firefly algorithm, in: The Second International Conference on Computer and Communication Technology (ICCCT-2011), IEEE, 428–432, 2011.
33. Crawford B., Soto R., Olivares-Suarez M., Palma W., Paredes F., Olguin E., Norero E., A binary coded firefly algorithm that solves the set covering problem. 17, 252–264, 2014.
34. Gümeli D.R., Elektrik Güç Sistemlerinde Sistem Genişlemesi Koşulları Altında İşletmenin Eniyilenmesi İçin Yeni Bir Akıllı Yöntem Geliştirilmesi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik Mühendisliği Anabilim Dalı, Doktora Tezi, 2014.
35. Bulut F., Amasyalı M., Classification in Mixture of Experts Using Hard Clustering and a New Gate Function, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (4), 1017-1025, 2016.
36. Yücesoy E., Nabiyev V., Determination of a Speaker’s Age and Gender with an SVM Classifier Based on GMM Supervectors, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (3), 501-509, 2016.
37. Takcı H., Diagnosis of Breast Cancer by the Help of Centroid Based Classifiers, Journal of the Faculty of Engineering and Architecture of Gazi University, 31(2), 323-330, 2016.
38. Alataş B., Özer A., Mining of Generalized Interesting Classification Rules with Artificial Chemical Reaction Optimization Algorithm, Journal of the Faculty of Engineering and Architecture of Gazi University, 32 (1), 101-118, 2017.
39. Akyol S., Alataş B., Automatic Mining of Accurate and Comprehensible Numerical Classification Rules with Cat Swarm Optimization Algorithm, Journal of the Faculty of Engineering and Architecture of Gazi University, 31 (4), 839-857, 2016.
40. Lichman M., UCI Machine Learning Repository http://archive.ics.uci.edu/ml. Irvine, CA: University of California, School of Information and Computer Science, 2013.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

İbrahim Berkan Aydilek
0000-0001-8037-8625

Yayımlanma Tarihi

8 Aralık 2017

Gönderilme Tarihi

16 Haziran 2016

Kabul Tarihi

10 Ağustos 2017

Yayımlandığı Sayı

Yıl 2017 Cilt: 32 Sayı: 4

DOI

https://doi.org/10.17341/gazimmfd.369406

IZ

https://izlik.org/JA72GF78CS

Kaynak Göster

RIS / Bibtex

APA

Aydilek, İ. B. (2017). Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 32(4), 1097-1108. https://doi.org/10.17341/gazimmfd.369406

AMA

1.Aydilek İB. Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması. GUMMFD. 2017;32(4):1097-1108. doi:10.17341/gazimmfd.369406

Chicago

Aydilek, İbrahim Berkan. 2017. “Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 32 (4): 1097-1108. https://doi.org/10.17341/gazimmfd.369406.

EndNote

Aydilek İB (01 Aralık 2017) Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 32 4 1097–1108.

IEEE

[1]İ. B. Aydilek, “Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması”, GUMMFD, c. 32, sy 4, ss. 1097–1108, Ara. 2017, doi: 10.17341/gazimmfd.369406.

ISNAD

Aydilek, İbrahim Berkan. “Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 32/4 (01 Aralık 2017): 1097-1108. https://doi.org/10.17341/gazimmfd.369406.

JAMA

1.Aydilek İB. Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması. GUMMFD. 2017;32:1097–1108.

MLA

Aydilek, İbrahim Berkan. “Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, c. 32, sy 4, Aralık 2017, ss. 1097-08, doi:10.17341/gazimmfd.369406.

Vancouver

1.İbrahim Berkan Aydilek. Değiştirilmiş ateşböceği optimizasyon algoritması ile kural tabanlı çoklu sınıflama yapılması. GUMMFD. 01 Aralık 2017;32(4):1097-108. doi:10.17341/gazimmfd.369406

Cited By

İki boyutlu kutu paketleme probleminin çözümü için hibrit çiçek tozlaşma algoritması yaklaşımı

Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

https://doi.org/10.17341/gazimmfd.764853

Ateş Böceği Algoritması ile Yağlı Tip Transformatörün Ağırlık Optimizasyonu

DÜMF Mühendislik Dergisi

https://doi.org/10.24012/dumf.1075008

ZAMAN GECİKMESİ İÇEREN YÜKSEK DERECELİ SALINIM SİSTEMLER İÇİN HİBRİD ATEŞBÖCEĞİ-GENETİK ALGORİTMAYA DAYALI PIDA KONTROLÖR TASARIMI

Uludağ University Journal of The Faculty of Engineering

https://doi.org/10.17482/uumfd.1166977

A comparative study of daily streamflow forecasting using firefly, artificial bee colony, and genetic algorithm-based artificial neural network

Acta Geophysica

https://doi.org/10.1007/s11600-024-01362-y

ATEŞBÖCEĞİ ALGORİTMASI TABANLI PI DENETLEYİCİ İLE ÜÇ FAZLI DGM DOĞRULTUCULARIN PERFORMANS İYİLEŞTİRİLMESİ

Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi

https://doi.org/10.17780/ksujes.1716673