Classification of data in large repositories requires efficient techniques for analysis since a large amount of features is created for better representation of such images. Optimization methods can be used in the process of feature selection to determine the most relevant subset of features from the data set while maintaining adequate accuracy rate represented by the original set of features. Several bioinspired algorithms, that is, based on the behavior of living beings of nature, have been proposed in the literature with the objective of solving optimization problems. This paper aims at investigating, implementing, and analyzing a feature selection method using the Artificial Bee Colony approach to classification of different data sets. Various UCI data sets have been used to demonstrate the effectiveness of the proposed method against other relevant approaches available in the literature.

No abstract

ResumoO armazenamento, a busca, a recuperação e a análise de grandes quantidades de dados multimídia são tarefas desafiadoras. A classificação de dados em grandes repositórios requer técnicas eficientes de análise, uma vez que diversas características são normalmente geradas para uma melhor representação dos dados. A seleção de características visa descartar informações redundantes, irrelevantes ou ruídos nos dados. Uma seleção de características apropriada pode reduzir o custo computacional e melhorar a acurácia do processo de classificação. Exemplos de características comuns empregadas na classificação de imagens, por exemplo, incluem cor, textura, forma e estruturas de objetos presentes nas imagens. No caso de grandes coleções de imagens, vetores de características podem conter centenas ou milhares de características. Métodos de otimização podem ser utilizados no processo de seleção das melhores características para classificação de dados. Algoritmos bioinspirados, ou seja, baseados no comportamento de seres vivos na natureza, têm sido criados com o objetivo de solucionar problemas de otimização, tais como Algoritmos Genéticos, Inteligência de Enxames, Colônia de Formigas, entre outros. Este trabalho tem como objetivo investigar, desenvolver e analisar um novo método de seleção de características baseado no método de otimização Colônia Artificial de Abelhas, aplicado em diferentes tipos de dados. Várias bases foram empregadas para demonstrar a eficiência do método proposto em comparação a outros métodos utilizados na literatura. O método proposto obteve resultados promissores, sendo superiores ou competitivos com outras abordagens da literatura. Bases de dados contendo características e naturezas distintas foram utilizadas nos experimentos e o método proposto obteve bons resultados em todos os casos.