سیده پریسا موسوی - دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات اصفهان
فرساد زمانی بروجنی - استادیار و عضوهیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد خوراسگان
سیدامیرحسین منجمی - دانشیار و عضو هیئت علمی گروه کامپیوتر دانشگاه اصفهان

امروزه کاربردهای واقعی طبقه بندی که مجموعه های داده ای با حجم زیاد تولید می کنند به سرعت در حال افزایش هستند. مجموعه های داده ای در بسیاری از این کاربردها دارای تعداد زیادی ویژگی به نسبت تعداد کم الگوهاهستند که بسیاری از این ویژگی ها نامناسب و دارای افزونگی می باشند و می توانند تاثیر منفی بر روی عملکرد الگوریتم های یادگیری داشته باشند. یک راهکار رایج و مهم برای غلبه بر این مشکل، استفاده از تکنیک های انتخاب ویژگی است که هدف آن انتخاب مناسب ترین ویژگی ها از بین مجموعه ویژگی های اولیه، برای افزایش عملکرد الگوریتم های یادگیری است. معمولاً جستجوی جامع برای پیدار کردن مناسب ترین ویژگی های به لحاظ هزینه محاسباتی غیرممکن است بنابراین انتخاب ویژگی تبدیل به یک چالش عمده در شناسایی الگو و یادگیری ماشین شده است.

انتخاب ویژگی، الگوریتم های تکاملی، الگوریتم ژنتیک