چکیده مقاله
در این مقاله یک الگوریتم بهینه سازی باینری گرگ خاکستری معرفی میشود که برای یافتن زیر مجموعه ای از ویژگیهای مطلوب برای اهداف طبقه بندی در حالتی پوششی مورد استفاده قرار میگیرد الگوریتم گرگ خاکستری GWO یکی از جدیدترین تکنیکهای بهینه سازی الهام گرفته از طبیعت است، که روند شکار گرگ خاکستری در طبیعت را تقلید میکند این الگوریتم با استفاده از عملگرهایش، تعادلی میان اکتشاف و بهره برداری برای جستجو جواب بهینه در دامنه راه حل ها برقرار میکند در روش دودویی معرفی شده BGWO V ، از تابع v شکل تانژانت هایپربولیک دو جوابی که ناشی از گامبرداری تصادفی میباشد مقادیر پیوسته دارند و از این رو باید به یک جواب باینری تبدیل شوند تبدیل با استفاده از تقسیم مقادیر پیوسته توسط تابع V شکل در هر بعد انجام میشود، و از حد آستانه تصادفی میزان برازندگی برای بروزرسانی موقعیت گرگ خاکستری دودویی استفاده گردیده است این روش در دامنه ی انتخاب ویژگی برای یافتن زیرمجموعه ای از ویژگیها با حداکثر دقت و صحت طبقه بندی و حداقل تعداد ویژگیهای انتخاب شده، طراحی شده است روش BGWO V با چهار الگوریتم تکاملی بهینه سازی ازدحام ذرات، الگوریتم ژنتیک و الگوریتمهای گرگ خاکستری استاندارد در این زمینه مقایسه گردیده است مجموعهای از شاخصهای تخمین برای ارزیابی و مقایسه روشهای مختلف بر روی 6 مجموعه داده ی مختلف از مخزن UCI مورد استفاده قرار گرفته است نتایج حاصل، قابلیتهای نسخه دودویی BGWO V را در جستجوی فضای ویژگی برای ترکیب ویژگیهای بهینه نشان میدهد
کلیدواژهها
نویسندگان
مجتبی واسوجویباری
دانشجوی کارشناسی ارشد، علوم کامپیوتر، دانشگاه سیستان و بلوچستان
حسن رضایی
استادیار، علوم کامپیوتر، دانشگاه سیستان و بلوچستان
شیوه ارجاع
واسوجویباری، مجتبی و رضایی، حسن،1396،یک الگوریتم بهینه سازی گرگ خاکستری باینری v -شکل برای انتخاب ویژگی،دومین کنفرانس ملی محاسبات نرم،رودسر
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر