اعظم شاه نظر - دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب تهران
مریم خادمی - استادیار دانشکده علوم پایه دانشگاه آزاد اسلامی واحد تهران جنوب تهران

انتخاب ویژگی، یکی از تکنیک های مهم و پرکاربرد در مراحل پیش پردازش دادهها برای داده کاوی است. تاکنون برای انتخاب ویژگی از روش- های متنوعی استفاده شده است. در دهههای اخیر، روشهای تکاملی بهعنوان یک ابزار جستجو و بهینه سازی در حوزههای مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک و بهینه مطلق از جمله دلایل مؤفقیت این روشها است. الگوریتم کلونی زنبور که یکی از جدیدترین و کارآمدترین الگوریتم های تکاملی است، میتواند با انتخاب ویژگی های مناسب به بالاتر بردن کارائی و دقت آنها منجر شود. در این مقاله به ارائه یک روش ترکیبی جهت بالابردن دقت طبقهبندی درختان تصمیم فازی وزندار بر مبنای انتخاب ویژگی از طریق الگوریتم کلونی زنبور و ترکیب آن با درخت تصمیم فازی وزندار خواهیم پرداخت. بررسی عملکرد، دقت و نتایج حاصل از شبیه سازی این روش، نشاندهنده مؤثر بودن آن در بهبود دقت طبقه بندی است.

درخت تصمیم فازی (وزندار)، بهینه سازی، الگوریتم کلونی زنبورهای مصنوعی (ABC) ، انتخاب ویژگی، شبکه عصبی MLP