روشی نوین برای بهبود استخراج مشخصه ها مبتنی بر تئوری مجموعه های دانه درشت و پردازش تکاملی

استخراج مشخصه ها یکی از مراحل مهم در پیش پردازش داده ها می باشد که با انجام آن، الگوریتم داده کاوی با سرعت و دقت بالاتری صورت می گیرد و همچنین در دفعات بعد نیاز به جمع آوری میزان داده کمتری می باشد. در این مقاله روش جدیدی برای استخحراج مشخصه های مناسب، مبتنی بر تئوری مجموعه های دانه درشت و پردازش تکاملی ارائه شده است. در این روش با استفاده از تئوری مجموعه های دانه درشت، ماتریس تمایز ساخته می شود و سپس با استفاده از تابع تطابقی که از دو جزء تشکیل شده، مشخصه های مناسب استخراج می گردد. این دو جزء، متشکل از تعداد یک ها در کروموزوم و تعداد سطرهای پوشش داده شده ا زماتریس تمایز می باشد. نتایج بدست امده از پیاده سازی روش پیشنهادی بر روی مجموعه داده های مختلف که دارای مشخصه های زیادی هستند، ارائه شده است. نتایج و مقایسه انها با سایر روشها نشان می دهد الگوریتم پیشنهادی بصورت مناسبی عمل می نماید.

کلیدواژه ها:

استخراج مشخصه ها ، داده کاوی ، تئوری مجموعه های دانه درشت ، پردازش تکاملی ، ماتریس تمایز