In this section we present results

In this section we present results of applying some of the feature selection algorithms on seven datasets using the two classifiers mentioned in Section 7. We implement two filter methods given by (1) and (4) wherein the features are ranked and the performance is obtained for the top ranked feature and subsequently adding the next ranked feature one by one to cover the whole feature set. For the MI criteria, the MI is found for each feature and the output class. In wrapper techniques
we implement the SFFS algorithm and the CHCGA algorithm with the performance of the two classifiers as the objective function. Out of the seven datasets, five are from the UCI Machine Learning Repository [82] and the sixth is Fault Mode data from MKS Instruments. The Fault Mode data is obtained from a 5kW, 40 MHz RF Power generator from MKS Instruments. The generator consists of several subsystems including an AC/DC converter, RF Power Amplifier, RF Sensor, and Digital Control
System given in Fig. 4.

Kết quả (Việt) 1:

Trong phần này chúng tôi trình bày các kết quả của việc áp dụng một số thuật toán lựa chọn tính năng trên bảy datasets bằng cách sử dụng các máy phân loại hai được đề cập trong phần 7. Chúng tôi thực hiện hai bộ lọc phương pháp được đưa ra bởi (1) và (4) mà trong đó các tính năng được xếp hạng và hiệu suất thu được cho hàng đầu xếp hạng tính năng và sau đó thêm kế tiếp xếp hạng đặc trưng với từng người một để trang trải toàn bộ tính năng thiết lập. Cho các tiêu chuẩn MI, MI loài cho mỗi tính năng và các lớp học đầu ra. Ở wrapper kỹ thuậtchúng tôi thực hiện các thuật toán SFFS và các thuật toán CHCGA với hiệu suất của hai máy phân loại như là hàm mục tiêu. Trong bảy datasets, năm là từ UCI máy học tập kho [82] và thứ sáu là chế độ lỗi dữ liệu từ MKS cụ. Dữ liệu chế độ lỗi được lấy từ một 5kW, 40 MHz RF điện máy phát điện từ MKS cụ. Các máy phát điện bao gồm nhiều hệ thống con bao gồm AC/DC chuyển đổi, khuếch đại điện RF, RF cảm biến và điều khiển kỹ thuật sốHệ thống được đưa ra trong hình 4.

Kết quả (Việt) 2:

Trong phần này chúng tôi trình bày kết quả của việc áp dụng một số thuật toán lựa chọn tính năng trên bảy bộ dữ liệu bằng cách sử dụng hai phân loại nêu tại mục 7. Chúng tôi thực hiện hai phương pháp lọc cho bởi (1) và (4) trong đó các tính năng được xếp hạng và hiệu suất thu được cho tính năng hàng đầu xếp hạng và sau đó bổ sung thêm các tính năng xếp hạng tiếp theo từng người một để trang trải các tính năng thiết lập toàn bộ. Đối với các tiêu chí MI, MI được tìm thấy cho mỗi tính năng và các lớp đầu ra. Trong kỹ thuật bao bọc
chúng ta thực hiện các thuật toán SFFS và thuật toán CHCGA với hiệu suất của hai phân loại như là hàm mục tiêu. Trong số bảy bộ dữ liệu, năm là từ UCI Machine Learning Repository [82] và thứ sáu là lỗi Chế độ dữ liệu từ MKS Instruments. Các dữ liệu Fault Mode được lấy từ một 5kW, 40 MHz RF cho máy phát điện từ MKS Instruments. Các máy phát điện bao gồm một số hệ thống con bao gồm một bộ chuyển đổi AC / DC, RF Power Amplifier, RF cảm biến, và điều khiển kỹ thuật số
Hệ thống đưa ra trong hình. 4.