یک الگوریتم جدید ممتیک خودتطبیقی مبتنی بر عدم قطعیت متقارن برای انتخاب ویژگی

مسیله انتخاب ویژگی درگیر تعریف ویژگیهای ارزنده جداسازی آنها بر اساس میزان ارزندگیشان برای طبقهبندی بهتر مجموعه داده ها است. که این مهم با حذف ویژگیهای افزونه، بیارزش نویزی صورت میگیرد. بنابراین برای تحلیل بهتر داده ها نیاز به انتخاب بهترین مجموعه از ویژگیهاست که بتواند به دقت قابل قبولی در پردازش پایگاه داده کاوش روابط معنادار بین ویژگیها برسد. در این مقاله یک الگوریتم ممتیک جدید برای حل مسایل انتخاب ویژگی ارایه شده است که بر پایه جستجوی سراسری الگوریتم ازدحام ذرات(PSO)1 جستجوی محلی مبتنی بر عدم قطعیت متقارن(SU)2 است. همچنین برای تعیین روش گسسته سازی مناسب بهتر از چهار روش گسسته سازی مختلف بهصورت خود تطبیقی استفاده شده است. نتایج حاصله از ارزیابی عملکرد روش پیشنهادی بر روی مجموعه داده های مختلف، نشاندهنده کارایی روش مزبور در داده های با ابعاد بالا در مقایسه با نسخه های دیگر میباشد.

کلیدواژه ها:

انتخاب ویژگی ، عدم قطعیت متقارن ، ازدحام ذرات ، جستجوی محلی