یک الگوریتم تکرار شونده مبتنی بر طبقه بندی کنده FSVM برای انتخاب ویژگی

با پیشرفت های به وجود آمده در جمع آوری داده و قابلیت های ذخیره سازی در طی دهه های اخیر مجموعه های داده ای با ابعاد بالا در علوم مختلف به سرعت در حال افزایش هستند. بسیاری از این مجموعه های داده ای دارای تعداد زیادی ویژگی به نسبت تعداد کم الگوها هستند. بسیاری از این ویژگی ها اغلب نامرتبط و دارای افزونگی هستند که منجر به کاهش عملکرد الگوریتم طبقه بندی می شوند از این روانتخاب ویژگی برای کاهش ابعاد مسئله و افزایش کارایی الگوریتمهای طبقه بندی پیشنهاد شده است. عملکرد روش پیشنهادی با شناخته شده ترین و جدیدترین روش های انتخاب ویژگی مبتنی بر طبقه بندی کننده svm مقایسه شده است نتایج ازمایشها نشان داد که روش پیشنهادی از نظر دقت طبقه بندی دارای عملکرد مناسب است.

کلیدواژه ها:

داده کاوی ، انتخاب ویژگی ، طبقه بندی ، ماشین بردار پشتیبان