انتخاب ویژگی بدون نظارت با استفاده از روش تجزیه مقادیر منفرد

در این مقاله، ما یک روش کلی انتخاب ویژگی به نام انتخاب ویژگی بدون نظارت با استفاده از روش تجزیه مقادیر منفرد پیشنهاد می کنیم. اگر بین ویژگی ها همبستگی وجود داشته باشد باعث افزونگی وکاهش عملکرد الگوریتم می شود. بر این اساس، ما ابتدا بردارهای ویژه و مقادیر منفرد را با استفاده از روش SVD محاسبه می کنیم. در گام دوم تعداد بردار ویژه هایی که بیش از ۰/۹۵ تغییرات داشته باشند با استفاده از ضرب تجمعی پیدا می کنیم. در گام سوم نرم به توان ۲ بردار ویژه های حاصل از گام دوم را در فضای جدید محاسبه می کنیم و مقدار آنها را به ترتیب صعودی مرتب می کنیم ایندکس هایی که کوچکترین مقدار را دارند را به عنوان ویژگی های نهایی انتخاب می کنیم. برای نشان دادن بهینه بودن و کارایی روش پیشنهادیمان، عملکرد روش پیشنهادی خود را بر روی ۴ مجموعه داده ارزیابی کردیم و آن را با چهار الگوریتم انتخاب ویژگی بدون نظارت معروف مقایسه کردیم. نتایج ارزیابی نشان می دهند که روش پیشنهادی ما نسبت به چهار الگوریتم دیگر برتری دارد.

کلیدواژه ها:

تجزیه مقادیر منفرد ، انتخاب ویژگی ، بردار ویژه ، مقادیر منفرد ، ضرب تجمعی