استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها

در این پژوهش، به بهینه سازی پارامترهای تاثیرگذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگیهای مهم به منظور افزایش کارایی طبقهبندی دادهها پرداخته شده است. این پژوهش از طبقهبند ماشین بردار پشتیبان برای طبقهبندی استفاده میکند و پارامترهای lp۱ و lp۲ به عنوان عوامل یادگیری در بهینه سازی بوفالوی آفریقایی برای بهروزرسانی موقعیت بوفالوها نسبت به موقعیت قبلی در نظر گرفته شدهاند. برای محاسبه مقادیر بهینه این پارامترها، از ابزار Optimize Parameters (Grid) در نرمافزار رپیدماینر استفاده شده است. نتایج نشان میدهد که بهینه سازی این پارامترها منجر به بهبود چشمگیر عملکرد طبقهبندی دادهها شده و دقت طبقهبندی را افزایش میدهد. این تحقیق با ارائه روشی کارآمد برای

کلیدواژه ها:

پارامترهای تاثیر گذار ، الگوریتم بهینه سازی ، بوفالوی آفریقایی ، استخراج ویژگی ها ، افزایش کارایی ، طبقه بندی داده ها