انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر

انتخاب ویژگی یکی ازموضوعات مهم درحوزه یادگیری ماشین وتشخیص الگو می باشد دراین مقاله یک روش ترکیبی انتخاب ویژگی براساس فیلترهمبستگی و رپرشبکه های عصبی مصنوعی ارایه میگردد الگوریتم پیشنهادی دردومرحله زیرمجموعه ویژگی را انتخاب می کند درمرحله اول ازفیلترهمبستگی برای حذف ویژگیهای افزونه و بی ربط استفاده شده و درمرحله دوم رپرشبکه های عصبی ازمیان ویژگیهای باقیمانده با استفاده ازالگوریتم جستجوی رو به جلو ویژگیهایی با کمترین میزان وابستگی را انتخاب می کند که قدرت کلاسه بندی شبکه را افزایش دهند ما کااریی این الگوریتم رابااعمال آن برروی شش مجموعه داده ی کلاس بندی ارزیابی نموده ایم نتایج بدست امده نشان دهنده ی قدرت این الگوریتم درانتخاب زیرمجموعه ویژگیها می باشد

کلیدواژه ها:

انتخاب ویژگی ، فیلترهمبستگی ، شبکه های عصبی مصنوعی ، فیلترهمبستگی ، کاهش ابعاد