مژگان الیکائی آهاری - دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
بابک ناصر شریف - دانشگاه خواجه نصیرالدین طوسی، دانشکده مهندسی کامپیوتر

روش های گوناگونی برای انتخاب ویژگی پیشنهاد شده اند تا یک زیر مجموعه مناسب از ویژگی ها در بین مجموعه داده های اولیه به دست آید. این روش ها براساس جستجو در فضای ویژگی های مبتنی بر یک معیار یا همان تابع هدف استوار هستند. این توابع به دو دسته کلی فیلتر و پوشاننده تقسیم می شوند. در روش های فیلتر زیر مجموعه ویژگی ها براساس معیارهایی نظیر فاصله درون و میان کلاسی و همبستگی ویژگی ها که فقط وابسته به داده ها هستند انتخاب می شوند. در حالی که در روش های پوشاننده از یک دسته بند برای ارزیابی مجموعه ویژگی استفاده می شود که از طریق سنجش دقت دسته بند انتخاب ویژگی انجام می شود در روش های فیلتر معمولاً یک معیار را به تنهایی برای انتخاب ویژگی در نظر می گیرند که لزوماً بهترین نتیجه را حاصل نمی کند. در این مقاله، پیشنهاد می شود که ضمن در نظر گرفتن معیارهای روش های فیلتر، معیار خطای دسته بندی هم در انتخاب ویژگی در نظر گرفته شود که به این منظور ماشین بردار پشتیبان برای دسته بندی استفاده شده است. در راستای این هدف، از روش تکاملی چند هدفه و به طور خاص از الگوریتم ژنتیک برای انتخاب ویژگی چند هدفه استفاده شده است. به این منظور معیارهای اطلاعات متقابل و لاپلاسین که به ترتیب بیانگر، محتویات اطلاعاتی ویژگی های و قدرت حفظ ساختار ویژگی ها هستند. در نظر گرفته شده اند و ترکیب آن ها با معیار خطای دسته بندی ماشین بردار پشتیبان، به عنوان اهداف توام انتخاب ویژگی در تابع برازندگی الگوریتم تکاملی پیشنهاد شده اند. نتایج بر روی برخی مجموعه داده های منتخب از UCI کارایی این روش را نشان می دهد.

انتخاب ویژگی، الگوریتم ژنتیک چند هدفه، ماشین بردار پشتیبان