Die in diesem Manuskript vorgestellten Arbeiten liegen auf dem Gebiet der Mustererkennung. In diesem Manuskript werden zwei Hauptbeiträge geleistet. Erstens, die Reduktion der Dimensionalität, die es uns erlaubt, relevante Strukturen niedrigerer Dimensionalität zu finden, die in den Beobachtungen, die wir haben, verborgen sind. Zweitens, die Anwendung hybrider metaheuristischer Methoden zur Lösung von Optimierungsproblemen. In unserer Arbeit haben wir uns für evolutionäre, bio-inspirierte Methoden wie genetische Algorithmen und künstliche Immunsysteme interessiert, und dann für Methoden, die von der Schwarmintelligenz abgeleitet sind, die ein eigenständiger Bereich der kollektiven Intelligenz ist. Die in diesem Manuskript beschriebenen Arbeiten führen zu Anwendungen, die hauptsächlich durch das kollektive Verhalten von Partikeln, Ameisen, Bienen und Glühwürmchen für die Auswahl von Merkmalen inspiriert sind. Als nächstes wurden mehrere Hybridisierungen von zuvor verwendeten bio-inspirierten Methoden zur Merkmalsauswahl vorgeschlagen, um die Anzahl der Merkmale zu reduzieren und die Klassifikationsraten zu verbessern.

Autorentext

Badra Khellat Kihel, profesor-investigador de la Universidad Mohamed ben Ahmed -Oran 2-, Argelia, obtuvo su doctorado en Informática en la Universidad de Ciencia y Tecnología de Orán (USTO-MB). Su campo de investigación es la optimización de sistemas, la metaheurística y el reconocimiento de patrones.