بهبود عملکردالگوریتم ژنتیک جمعی برای حل مساله خوشه بندی ویژگیها

مساله انتخاب ویژگی یکی ازمسائلی است که درمبحث یادگیری ماشین و همچنین شناسایی اماری الگو مطرح است این مساله دربسیاری ازکاربردها مانند خوشه بندی اهمیت بسزایی دارد زیرا دراین کاربردها تعدادزیادی ویژگی وجود دارد که بسیاری ازآنها یابلااستفاده هستند و یااینکه باراطلاعاتی چندانی ندارند خوشه بندی ویژگیها ازآن جهت اهمیت دارد زمانی که یک ویژگی معیوب باشد میتوان جایگزینی برای آن ازخوشه اش انتخاب نمود الگوریتم ژنتیک گروهی بااستفاده ازدقت خوشه بندی به ارزیابی خوشه ها می پردازد که زمانبر می باشدبرهمین اساس دراین مقاله ازروش حداقل افزونگی حداکثررابطه mRMR برای محاسبه دقت خوشه بندی استفاده شده است تازمان کاهش یابد ازمایشات انجام شده نشان دهنده این است که الگوریتم پیشنهادی با حفظ دقت خوشه بندی باعث کاهش چشمگیرزمان پردازش می شود

کلیدواژه ها:

خوشه بندی ، انتخاب ویژگی ، الگوریتم ژنتیک ، الگوریتم ژنتیک جمعی ، حداقل افزونگی حداکثر رابطه