انتخاب ویژگی های موثر در مجموعه داده های با ابعاد بالا با استفاده از روشهای جدید یادگیری ماشین

انتخاب ویژگی یکی از موضوعات مهم در حوزه یادگیری ماشین و تشخیص الگو می باشد. در این مقاله یک روش ترکیبی انتخاب ویزگی بر اساس فیلتر هم بستگی و زیرشبکه های عصبی مصنوعی ارائه می گردد. الگوریتم پیشنهادی در دو مرحله زیر مجموعه ویژگی را انتخاب می کند. در مرحله اول از فیلتر هم بستگی برای حذف ویژگی های افزونه و بی ربط استفاده شده و در مرحله ی دوم زیر شبکه های عصبی- فازی انطباقی از میان ویزگی های باقی مانده با استفاده از الگوریتم جستجوی رو به جلو، ویژگی هایی با کمترین میزان وابستگی را انتخاب می کند که قدرت کلاس بندی شبکه را افزایش دهند ما کارایی این الگوریتم را با اعمال آن بر روی شش مجموعه داده ی کلاس بندی ارزیابی نموده ایم. نتایج بدست آمده نشان دهنده ی قدرت اینالگوریتم در انتخاب زیرمجموعه ویژگی های می باشد.

کلیدواژه ها:

انتخاب ویژگی ، سیستم استنتاج عصبی- فازی انطباقی ، کاهش ابعاد