انتخاب ویژگی به کمک روشهای یادگیری تقلید از طبیعت با اعمال فیلتر اطلاعات متقابل نرمال شده

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 317

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF04_301

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

مبحث انتخاب ویژگی، یکی از مباحثی است که در بسیاری از مسایل از جمله مسیله شناسایی الگو و دادهکاوی کاربرد ویژهای دارد. مشکل اصلی که نیاز به مکانیسم انتخاب ویژگی را در بسیاری از مسایل مهم میسازد مواجهشدن سیستم با انبوهی از ویژگیها میباشد. در این انبوه از ویژگیها، ویژگیهای زایدی وجود دارد که کاربرد چندانی نداشته و بار محاسباتی زیادی را به سیستم تحمیل مینماید. این ویژگیهای زاید دقت مدل مورد استفادهبرای سیستم را پایین میآورند. در اکثر پژوهشهای گذشته توسط محققین، نشان داده شده که روشهای انتخاب ویژگی میتواند در افزایش دقت سیستم نقش بهسزایی را داشته باشد. در اکثر این تحقیقات از روشهای یادگیرتقلید از طبیعت )الگوریتمهای تکاملی( برای انتخاب ویژگی استفاده شده است. ولی در هیچ کدام از این تحقیقات تمامی روشهای تکاملی که برای انتخاب ویژگی استفاده شدهاند با هم مقایسه نشدهاند. لذا در این پژوهش علاوه براینکه اکثر الگوریتمهای یادگیری تقلید از طبیعت برای انتخاب مناسبترین ویژگیها بر روی مجموعه دادههای مختلف با هم مقایسه شدهاند.، پیشنهاد ما ارایه رویکردی جدید مبتنی بر اطلاعات متقابل نرمال شده والگوریتمهای تکاملی میباشد. لذا روشهای فراابتکاری 2 را انتخاب نمودیم تا بتوانیم با استفاده از این روشها بهترین و پایدارترین ویژگی را در بین زیر مجموعهای از ویژگیها انتخاب نماییم. یعنی روشهای مختلف انتخاب ویژگی به کمک الگوریتمهای تکاملی را با انتخاب بهینه پارامترها )آستانه انتخاب 0.9 ، آستانه حذف 0.1 و نرخمجموعه آموزش 0.8 ( بر روی مجموعه دادههای استانداردی که از سایت یادگیری ماشین آورده شدهاند، مقایسه شدهاند. آزمایشات مختلف بر روی روشهای ارایه شده نشان دادهاند که روش تپهنوردی در پارامترهای نامبرده در اکثر مجموعه دادهها دارای مقدار خطای کمتری بعد از انتخاب ویژگی نسبت به دیگر روشها میباشد.

کلیدواژه ها:

انتخاب ویژگی ، الگوریتمهای تکاملی ، اطلاعات متقابل نرمال شده

نویسندگان

راضیه مرادی

کارشناسی ارشد دانشگاه آزاد اسلامی واحد یاسوج، یاسوج، ایران

جعفر لایقی

کارشناسی ارشد دانشگاه آزاد اسلامی واحد یاسوج، یاسوج، ایران

فرهاد راد

باشگاه پژوهشگران جوان و نخبگان، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Neumann, J., Schnorr, C. & Steidl, G. (2005). Combined SVM-based ...
  • Yu, L. & Liu, H. (2004), "Efficient feature selection via ...
  • Hall, M.A. (2000). Correlation-b ased feature selection for discrete and ...
  • Vieira, S.M., Sousa, J.M.C. & Kaymak, U. (2009). Feature selection ...
  • Hall, M.A. (2000). Correlation-b ased feature selection for discrete and ...
  • Jain, A. & Zongker, D. (1997). Feature selection: Evaluation, application, ...
  • Dash, M. & Liu, H. (1997). Feature Selection for Classification ...
  • Soliman, H.M., Bayoumi, E. & Hassan, M.F. (2008). "PSO-Based Power ...
  • نمایش کامل مراجع