مرتضی جهان تیغ - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه زنجان، زنجان، ایران
غلامرضا احمدی - هیات علمی دانشگاه خلیج فارس، گروه کامپیوتر، دانشکده فنی مهندسی، بوشهر، ایران
محمدرضا خان تیموری - هیات علمی دانشگاه زنجان، گروه کامپیوتر، دانشکده فنی مهندسی، زنجان، ایران
نرگس عروجلو - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه سمنان، ایران

مساله انتخاب ویژگی، یکی از مهمترین مسایل حوزه طبقه بندی داده هاست. هدف از انتخاب ویژگی، یافتن زیرمجموعه ویژگی های موثر مجموعه داده های اولیه است به طوری که موجب افزایش کارایی و کاهش هزینه طبقه بندی داده ها میشود. در سالهای اخیر با پیدایش مجموعه داده های با ابعاد بالا و تعداد نمونه کم، نیاز مبرم به وجود روشهای انتخاب ویژگیهای موثر احساس می شود. در این مقاله یک روش پوششی با استفاده از روش های تکاملی برای انتخاب ویژگیی موثر در مجموعه داده ها ارایه شده است.درالگوریتم پیشنهادی از الگوریتم تکاملی ARO جهت انتخاب ویژگی استفاده شده است. همچنین در این الگوریتم برای بررسی میزان شایستگی هر زیرمجموعه بدست امده، از طبقه بند شبکه عصبی چندلایه استفاده شده است. روش ارایه شده با دو مجموعه ی داده، در زمینه ی پردازش تصویر، پردازش سیگنال مغز مورد ارزیابی قرار گرفته است.

انتخاب ویژگی، روشهای تکاملی، الگوریتم ARO، طبقه بندی، شبکه های عصبی