ارائه راهکاری جدید برای انتخاب خصیصه بر پایه الگوریتم های هوش جمعی

انتخاب خصیصه یکی از تکنیک های با اهمیت پیش پردازش داده ها می باشد، همچنین انتخاب خصیصه نقش کلیدیدر عمل کلاس بندی دارد. هدف ما ارائه یک روش کارا بر مبنای بهینه سازی ذرات برای مسئله انتخاب خصیصه است.دارای محدودیت هایی در کارایی gBest و pBest اما در الگوریتم بهینه سازی ذرات متداول، مکانیزم بهنگام سازیانتخاب خصیصه است و موجب برخی از مشکلات در این حوزه می گردد. به همین جهت، در این مقاله از یکاستفاده شده است. همچنین برای بدست آوردن دقت gBest و pBest مکانیزم مناسب تر برای بهنگام سازی مقادیربالاتر یک روش جدید برای خروج از بهینه محلی ارائه گردیده است. این مکانیزم بر مبنای یک روش مبتنی بر پاداش وتنبیه میباشد. نتایج بدست آمده نشان می دهد که روش پیشنهادی دارای کارایی قابل قبولی می باشد ضمن اینکه درمقایسه با سایر روشهای مبتنی بر الگوریتم بهینه ساز ی ذرات، از سرعت بالاتری برخوردار است.

کلیدواژه ها:

انتخاب خصیصه ، بهینه سازی ذرات ، کلاس بندی ، داده با ابعاد بالا ، روش های لفافه و فیلتر