انتخاب ویژگی و طبقه بندی با استفاده از ترکیب الگوریتم های K-NN و PSO

انتخاب ویژگی یکی از بخش های مهم در بازشناسی الگو است. با انتخاب ویژگی درست نرخبازشناسی درست طبقه بند افزایش می یابد. این پژوهش از الگوریتم PSO برای اختصاص وزنبالاتر به ویژگی های حاوی اطلاعات مفید استفاده می کند، اما ویژگی های غیر مرتبط نویزی وزنپایینی می گیرند. همچنین برای طبقه بندی از الگوریتم دسته بندی K-NN استفاده شده است. نتایج آزمایشات نشان می دهد که وزن دهی ویژگی ها بر اساس PSO میتواند کارایی دسته بندیالگوریتم K-NN را نسبت به روش های مهم دیگر در زمینه ی وزن دهی ویژگی افزایش دهد. روشپیشنهادی را می توان به عنوان یک الگوریتم پیش پردازش برای طبقه بندی دادهها در نظر گرفت کهبر اساس ویژگی های انتخاب شده در این روش، عمل طبقه بندی به کارایی و دقت بالاتری دستخواهد یافت.

کلیدواژه ها:

انتخاب ویژگی ، کاهش بعد ویژگی ، PSO منحنی های K-NN ، ROC