A New Binary PSO with Velocity Control

Lanzarini, Laura Cristina; López, Javier Herce; Maulini, Juan Andrés; Giusti, Armando De

doi:10.1007/978-3-642-21515-5_14

Cited by 12 publications

(18 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It should be noted that, as discussed in [27] and unlike the Binary PSO method described in [25], the movement of vector V 1 i in the directions corresponding to the best solution found by the particle and the best value in the neighborhood do not depend on the current position of the particle. Then, each element in speed vector V 1 i is calculated using Equation (1) and controlled using Equation (2):…”

Section: (B) a Continuous Individual Realind And Its Corresponding Bementioning

confidence: 99%

User-Oriented Summaries Using a PSO Based Scoring Optimization Method

Monte

Lanzarini

Bariviera

et al. 2019

Entropy

Self Cite

View full text Add to dashboard Cite

Automatic text summarization tools have a great impact on many fields, such as medicine, law, and scientific research in general. As information overload increases, automatic summaries allow handling the growing volume of documents, usually by assigning weights to the extracted phrases based on their significance in the expected summary. Obtaining the main contents of any given document in less time than it would take to do that manually is still an issue of interest. In this article, a new method is presented that allows automatically generating extractive summaries from documents by adequately weighting sentence scoring features using Particle Swarm Optimization. The key feature of the proposed method is the identification of those features that are closest to the criterion used by the individual when summarizing. The proposed method combines a binary representation and a continuous one, using an original variation of the technique developed by the authors of this paper. Our paper shows that using user labeled information in the training set helps to find better metrics and weights. The empirical results yield an improved accuracy compared to previous methods used in this field.

show abstract

Section: (B) a Continuous Individual Realind And Its Corresponding Bementioning

confidence: 99%

User-Oriented Summaries Using a PSO Based Scoring Optimization Method

Monte

Lanzarini

Bariviera

et al. 2019

Entropy

Self Cite

View full text Add to dashboard Cite

show abstract

“…Tabla 3.2: Resultados Obtenidos al utilizar el método propuesto y los métodos definidos en (Kennedy and Eberhart, 1997) y (Khanesar et al, 2007) 3,029718e-07 0,305974 0,000157 0,003812 5 0 0,000317 0 10 0 1,178835e-12 0 20 0 0 0 Figura 3.8: Intervalos de confianza simultáneos para el fitness promedio de la mejor solución encontrada por cada uno de los métodos utilizando 3 variables. La numeración asignada es: 1 para el método propuesto (Lanzarini et al, 2011a); 2 y 3 para los métodos definidos en (Kennedy and Eberhart, 1997) y (Khanesar et al, 2007) Los diagramas de una misma fila corresponden a la misma cantidad de variables. Considerando de arriba hacia abajo, las filas 1, 2, 3 y 4 corresponden a los resultados obtenidos al evaluar las funciones en 3, 5, 10 y 20 variables respectivamente.…”

Section: Resultados Obtenidosunclassified

“…En resumen, (Lanzarini et al, 2011a) propone una variante del método PSO binario que controla las modificaciones del vector velocidad. Los resultados obtenidos al minimizar un conjunto de funciones de prueba son mejores a los arrojados por los métodos definidos en (Kennedy and Eberhart, 1997) y (Khanesar et al, 2007).…”

Section: Resultados Obtenidosunclassified

“…2.1 Etapas del Proceso de Extracción de Conocimiento (Fayyad et al, 1996a) 3.8 Intervalos de confianza simultáneos para el fitness promedio de la mejor solución encontrada por cada uno de los métodos utilizando 3 variables. La numeración asignada es: 1 para el método propuesto (Lanzarini et al, 2011a); 2 y 3 para los métodos definidos en (Kennedy and Eberhart, 1997) y (Khanesar et al, 2007) respectivamente. .…”

Section: Figure Pageunclassified

“…En (Lanzarini et al, 2011a) se propone modificar el vector velocidad utilizando una Figura 3.5: Variación del número de iteraciones promedio necesarias para obtener el mejor fitness en función del tamaño de la población inicial.…”

Section: Pso Binario Con Control De Velocidadunclassified

See 2 more Smart Citations

Extracción de reglas utilizando estrategias adaptativas

Lanzarini¹

View full text Add to dashboard Cite

Esta tesis presenta una nueva técnica de Minería de Datos capaz de construir, a partir de la información disponible, un conjunto de reglas de clasificación que posea tres características fundamentales: precisión aceptable, cardinalidad baja y simplicidad en la definición de las reglas. Esto último está dado por el uso de un número reducido de atributos en la construcción del antecedente. Esta característica, sumada a la baja cardinalidad del conjunto de reglas permite distinguir patrones sumamente útiles a la hora de comprender las relaciones entre los datos. Estas cualidades hacen que el modelo obtenido posea una gran capacidad descriptiva resultando sumamente útil para la toma de decisiones. El método propuesto ha sido aplicado sobre varios conjuntos de datos, tanto de repositorio como reales, demostrando que ambas características se verifican aunque en algunos casos su precisión sea ligeramente superada por otros métodos existentes. Esto tiene que ver con la presión realizada por mantener la simplicidad del modelo no permitiendo la generación de reglas con poca cobertura.

show abstract