Akademik Veri Yönetim Sistemi
4th INTERNATIONAL RAHVA TECHNICAL AND SOCIAL RESEARCHES CONGRESS, Bitlis, Türkiye, 22 - 23 Şubat 2025, ss.392-393, (Özet Bildiri)
Bu çalışma,
sınıflandırma görevlerinde özellik seçimi için uyarlanmış İkili Cırcır Böceği Algoritması
(BCA) sunmaktadır. Önerilen algoritma, cırcır böceklerinin doğal davranışlarını
temel alarak, frekans tabanlı iletişim ve çevresel etkileşimleri yüksek boyutlu
veri kümelerinde özellik seçimini optimize etmek amacıyla kullanmaktadır.
Geleneksel Cırcır Böceği Algoritması, sigmoid fonksiyonu kullanılarak ikili
arama alanına dönüştürülerek daha verimli keşif ve sömürü mekanizmaları
sağlanmıştır. BCA, Lojistik Regresyon ve Destek Vektör Makineleri gibi makine
öğrenmesi modellerine dayalı sınıflandırma doğruluğunu ölçen bir uygunluk
(fitness) fonksiyonu kullanmaktadır. Algoritma, aday çözümleri güncellerken hız
ve frekans ayarlamalarını yapar ve sıcaklık ile soğurma katsayıları gibi
çevresel parametreleri entegre ederek gerçekçi cırcır böceği davranışlarını
simüle eder. Sigmoid tabanlı dönüşüm sayesinde ikili kodlama gerçekleştirilerek
yalnızca en iyi özellikler seçilir ve gereksiz özellikler elenir. Deneysel
doğrulama, Meme Kanseri veri kümesi gibi standart veri kümeleri üzerinde
gerçekleştirilmiş ve BCA'nın enformasyon açısından zengin özellikleri seçmede
etkili olduğu gösterilmiştir. Sonuçlar, ikili uyarlamanın sınıflandırma
doğruluğunu artırırken, özellik uzayının boyutunu azalttığını ortaya koymuştur.
Optimizasyon süreci, çoklu iterasyonlar boyunca doğruluğun yakınsamasıyla
görselleştirilmiştir. Önerilen BCA, geleneksel meta-sezgisel yöntemlere
alternatif olarak biyolojik ilhamlı zekâyı ikili dönüşüm teknikleriyle
birleştirerek özellik seçimi için etkili bir çözüm sunmaktadır. Gelecekteki
çalışmalar, parametre ayarlamaları ve derin öğrenme modelleri ile
hibritleştirme üzerinde yoğunlaşarak daha karmaşık özellik seçimi görevlerinde
performansın artırılmasını hedefleyecektir.