بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست

مسیله انتخاب ویژگی، یکی از مسایلی است که در مبحث یادگیری ماشین و همچنین شناسایی آماری الگو مطرح است که در آن تکنیک های موثر برای کاهش ابعاد یک دیتاست و انتخاب ویژگی های مرتبط با حوزه مسیله، مطرح است. این تکنیک در بسیاری از کاربردها مانند طبقه بندی اهمیت به سزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد که بار اطلاعاتی چندانی ندارند. الگوریتم بهینه سازی اجتماع ذرات یک تکنیک فرا- ابتکاری مدرن برای جستجوی فضای مسیله با هدف یافتن جواب های نزدیک به نقطه ی بهینه است. این الگوریتم با تکیه بر روش های هوش جمعی به حل مسایل بهینه سازی مختلف می پردازد. در این پروژه هدف آن است که بتوان با بررسی پارامترهای مختلف الگوریتم بهینه سازی اجتماع ذرات در مسیله ی انتخاب ویژگی بر روی داده های نمونه (با ساختار و ویژگی های متفاوت)، نتیجه گرفت که چه پارامترهایی کارایی را نتیجه بهتری می دهند. به طور کلی نتایج این تحقیق نشان می دهند که حجم جمعیت اولیه و پارامترهای سرعت، برای یک مقدار مشخص بهترین تاثیر را دارند.

کلیدواژه ها:

انتخاب ویژگی ، داده کاوی ، بهینه سازی اجتماع ذرات