چکیده مقاله
مبحث انتخاب ویژگی، یکی از مباحثی است که در بسیاری از مسایل از جمله مسیله شناسایی الگو و دادهکاوی کاربرد ویژهای دارد مشکل اصلی که نیاز به مکانیسم انتخاب ویژگی را در بسیاری از مسایل مهم میسازد مواجهشدن سیستم با انبوهی از ویژگیها میباشد در این انبوه از ویژگیها، ویژگیهای زایدی وجود دارد که کاربرد چندانی نداشته و بار محاسباتی زیادی را به سیستم تحمیل مینماید این ویژگیهای زاید دقت مدل مورد استفادهبرای سیستم را پایین میآورند در اکثر پژوهشهای گذشته توسط محققین، نشان داده شده که روشهای انتخاب ویژگی میتواند در افزایش دقت سیستم نقش بهسزایی را داشته باشد در اکثر این تحقیقات از روشهای یادگیرتقلید از طبیعت الگوریتمهای تکاملی برای انتخاب ویژگی استفاده شده است ولی در هیچ کدام از این تحقیقات تمامی روشهای تکاملی که برای انتخاب ویژگی استفاده شدهاند با هم مقایسه نشدهاند لذا در این پژوهش علاوه براینکه اکثر الگوریتمهای یادگیری تقلید از طبیعت برای انتخاب مناسبترین ویژگیها بر روی مجموعه دادههای مختلف با هم مقایسه شدهاند ، پیشنهاد ما ارایه رویکردی جدید مبتنی بر اطلاعات متقابل نرمال شده والگوریتمهای تکاملی میباشد لذا روشهای فراابتکاری 2 را انتخاب نمودیم تا بتوانیم با استفاده از این روشها بهترین و پایدارترین ویژگی را در بین زیر مجموعهای از ویژگیها انتخاب نماییم یعنی روشهای مختلف انتخاب ویژگی به کمک الگوریتمهای تکاملی را با انتخاب بهینه پارامترها آستانه انتخاب 0 9 ، آستانه حذف 0 1 و نرخمجموعه آموزش 0 8 بر روی مجموعه دادههای استانداردی که از سایت یادگیری ماشین آورده شدهاند، مقایسه شدهاند آزمایشات مختلف بر روی روشهای ارایه شده نشان دادهاند که روش تپهنوردی در پارامترهای نامبرده در اکثر مجموعه دادهها دارای مقدار خطای کمتری بعد از انتخاب ویژگی نسبت به دیگر روشها میباشد
کلیدواژهها
نویسندگان
شیوه ارجاع
مرادی، راضیه و لایقی، جعفر و راد، فرهاد،1395،انتخاب ویژگی به کمک روشهای یادگیری تقلید از طبیعت با اعمال فیلتر اطلاعات متقابل نرمال شده،چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر،تهران
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر23 دی 1395 · تهران