کاهش ابعاد داده ها با استفاده از الگوریتم ایمنیopt-aiNET بر پایه سیستم های ایمنی مصنوعی

دراین مقاله با استفاده از الگوریتم ایمنی opt-aiNET روشی نوین در حل مسئله کاهش ابعاد ارائه می گردد سیستمهای فعلی کاهش بعد با مشکلاتی چون دقت پایین دسته بندی، غیرقابل تفسیر بودن داده ها و کم شدن ارزش آنها روبرو هستند به منظور رفع مشکلات مذکور الگوریتم ایمنی opt-aiNET با استفاده از مهمترین ویژگی خود بهینه سازی ، به عنوان روشی نوین دراین حوزه معرفی می گردد روش پیشنهادی با بازدهی و سرعت همگرایی بالا در استخراج پاسخ بهینه ، نسبت به سایر روشهای موجود موفق تر عمل می کند نتایج این مقاله برروی مجموعه داده های استاندارد یادگیری ماشین دانشگاه UCI با روشهای SFFS ، PTA ، SFS ، الگوریتم ژنتیک و الگوریتم ایمنی CLONALG مقایسه شده است نتایج ازمایشات بیانگر توانایی بالای الگوریتم ایمنی opt-aiNET شده در حل مسئله کاهش ابعاد میباشد.

کلیدواژه ها:

کاهش بعد ، سیستمهای ایمنی مصنوعی ، الگوریتم ایمنی opt-aiNET