معرفی بهترین الگوریتم های بیهنه سازی انتخاب ویژگی جهت کاهش بعد داده در داده های بزرگ

چکیده مقاله

امروزه، سیست مها و وب با تولید نمایی میزان عظیم داده ها پر شده است و پیش بینی می شود که تا در سالهای نه چندان دور اینترنت از ظرفیت مغزی هر فردی که در کل دنیا زندگی می کند فراتر رود این رشد سریع داده ها به دلیل پیشرف تهای حسگرهای دیجیتال، ارتباطات، محاسبات و ذخیره سازی است که مجموعه ی بزرگی از داد هها را ایجاد کرده است و هر پژوهشگر با انبوهی از داده های عظیم روبرو خواهد بود از این رو یک پژوهشگر جهت ارائه ایده پیشنهادی خود در هر حوزه کاربردی لازم است که از بین حجم انبود داده ها، داده های مناسب و مرتبط با کار جهت کاهش بعد داده استخراج کند که اینجا مبحث استخراج ویژگی به میان آمده و وظیفه استخراج داده های با ارزش در میان این حجم انبود دادهها را بر عهده دارد در بخش اصلی دیگر کار لازم است اکنون که مجموعه ای از دادههای مناسب در دست است بهترین و با کیفیت ترین آنها انتخاب شود که این عمل همان انتخاب ویژگی بوده که هدف اصلی این مرور تخصصی معرفی و تحلیل این تکنیک است و در بخش اصلی مقاله چندین الگوریتم بهینه سازی تکاملی مناسب که این عمل را میتوانند به بهترین نحو انجام دهند معرفی و بررسی شده است امید است محققان با مطالعه این مقاله تخصصی ایده لازم جهت ارائه سیستم مناسب در حوزه های مختلف علوم کامپیوتر را گرفته و به طراحی سیستم های نوین گامی جدید بردارند

کلیدواژه‌ها

نویسندگان

زهرا طیبی قصبه

استاد دانشگاه پیام نور گیلان واحد رشت

محمدحسن افتخاری پور

دانشجوی دکترا مهندسی نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد میانه

فاطمه همتی چوری

فارغ التحصیل کارشناسی ارشد معماری سیستم های کامپیوتری، دانشگاه آزاد اسلامی اراک

�یبی قصبه، زهرا و افتخاری پور، محمدحسن و همتی چوری، فاطمه،1398،معرفی بهترین الگوریتم های بیهنه سازی انتخاب ویژگی جهت کاهش بعد داده در داده های بزرگ،ششمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات29 فروردین 1398 · بابل