Un nouvel algorithme hybride d'optimisation des baleines avec algorithme de pollinisation florale pour la sélection de caractéristiques : Étude de cas Détection de spam par e-mail

Résumé La sélection de caractéristiques (FS) en fouille de données est l'une des activités les plus difficiles et les plus importantes dans la reconnaissance de motifs. Dans cet article, un nouveau modèle hybride de l'algorithme d'optimisation des baleines (WOA) et de l'algorithme de pollinisation florale (FPA) est présenté pour le problème de la FS basé sur le concept d'apprentissage basé sur l'opposition (OBL) qui se nomme HWOAFPA. La procédure est que le WOA est exécuté en premier et en même temps pendant l'exécution, la population de WOA est modifiée par l'OBL. Et, pour augmenter la précision et la vitesse de convergence, il est utilisé comme population initiale du FPA. Pour évaluer la performance de la méthode proposée, des expériences ont été réalisées en deux étapes. Les expériences ont été effectuées sur 10 ensembles de données du dépôt de données UCI et sur des ensembles de données de détection de spam par e-mail. Les résultats obtenus de la première étape ont montré que la méthode proposée était plus réussie en termes de taille moyenne de sélection et de précision de classification que d'autres algorithmes métaheuristiques de base. De plus, les résultats de la deuxième étape ont montré que la méthode proposée, qui a été exécutée sur l'ensemble de données de spam par e-mail, a été beaucoup plus précise que d'autres algorithmes similaires en termes de précision de détection de spam par e-mail.