انتخاب ویژگی پایدار با استفاده از الگوریتمهای فرا ابتکاری

مسأله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسایی آماری الگو مطرح است. این مسأله در بسیاری از کاربردها اهمیت بهسزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد که بسیاری از آنها یا بلااستفادههستند و یا این که بار اطلاعاتی چندانی ندارند. حذف نکردن این ویژگیها مشکلی از لحاظ اطلاعاتی ایجاد نمیکند ولی بار محاسباتی را برای کاربرد مورد نظر بالا میبرد. علاوه بر این باعث میشود که اطلاعات غیر مفید زیادی را به همراه دادههای مفید ذخیره کنیم. از آن جایی که در پژوهشهای پیشین فهمیده شده است که روشهای ارزیابی قادر نیستند که اختلاف دادهها را مورد توجه قرار دهند،بنابراین، پیشنهاد ما ارائه رویکردی جدید برای ارزیابی تشابه دادهها است. لذا روشهای فرا ابتکاریرا انتخاب نمودیم تا بتوانیمبا استفادهاز این روشها بهترین و پایدارترین ویژگی را در بین زیر مجموعهای از ویژگیها انتخاب نماییم. پس از بررسی و پیادهسازی الگوریتمهای فرا ابتکاری دریافتیم که الگوریتم بیگ بنگدر مقایسه با سایر الگوریتمهای معرفی شده دارای عملکرد بهتری برای انتخاب ویژگی پایدار بوده است.

کلیدواژه ها:

انتخاب ویژگی ، روش ابر جستجو ، همبستگی