ارائه یک روش تکاملی جدید مبتنی بر باکتری برای حل مسئله انتخاب ویژگی

ابعاد عظیم داده به یکی از چالش برانگیزترین مسائل این روزها تبدیل شده است. ابعاد داده بالا، که به عنوان "نفرین ابعاد" شناخته می شود، الگوریتم های یادگیری ماشین را نیز به چالش می کشد. الگوریتم های انتخاب ویژگی زیادی برای غلبه بر این مشکل پیشنهاد شده است. وجود داده های نامتوازن در برخی از برنامه ها، ضمن کاهش کارایی اکثر الگوریتم های انتخاب ویژگی، آن ها را به سمت کلاس با داده اکثریت سوق می دهد. هدف اصلی این مقاله ارائه یک الگوریتم جدید انتخاب ویژگی تکاملی مبتنی بر باکتری است که کارایی خود را در مواجهه با داده های نامتوازن حفظ می کند. روش پیشنهادی از عملگرهای جهش و تزریق هوشمند استفاده می کند که رفتار باکتری ها را شبیه سازی می کند. در این دو عملگر، باکتری های برتر بهترین ویژگی های برجسته خود را به باکتری های دیگر منتقل می کنند و عملگر جهش، آن ویژگی ها را با کمترین رتبه جایگزین می کند. عملگر نخبه گرایی با تزریق بهترین ویژگی ها به سایر اعضا سعی در بهبود اعضای آرشیو دارد. در مجموعه داده Isolet، روش پیشنهادی در مقایسه با روش های مرسوم، به ترتیب، به کاهش انتخاب ویژگی و افزایش دقت ۴۳ و ۷ درصد منجر می شود. همچنین، F-measure برای ارزیابی ویژگی های انتخاب شده استفاده می شود. نتایج شبیه سازی نشان می دهد که روش پیشنهادی در انتخاب تعداد ویژگی ها با توجه به خطای الگوریتم در مقایسه با روش های موجود عملکرد بهتری دارد.

کلیدواژه ها:

الگوریتم تکاملی ، انتخاب ویژگی ، جهش هوشمند ، نخبه گرایی ، بهینه سازی چندهدفه ، الگوریتم باکتری