یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم کلونی مورچگان

درسال های اخیر و با رشد روز افزون داده‎ها، حجم انبوهی از داده‎ها ذخیره و نگه‎داری می شوند که تمام این داده ها جهت استفاده مجدد مورد نیاز نخواهند بود. یکی از روش‎های کاهش حجم داده‎های تکراری و کم اهمیت، روش انتخاب ویژگی‎های مهم می باشد. این مقاله با استفاده از الگوریتم بهینه‎سازی کلونی مورچگان که به عنوان یک روش ابتکاری مطرح است، به دنبال کاهش ابعاد مجموعه‎داده‎ها با حفظ عملکرد اولیه داده‎ها می باشد. از روش Wrapper و شبکه عصبی برای انتخاب ویژگی‎ها استفاده شده است. در این مقاله محاسبه فاصله ویژگی‎ها (η) با دو روش〖SU〗_FC و〖SU〗_FF انجام خواهد شد. نتایج نشان دهنده عملکرد مناسب الگوریتم در مجموعه‎داده‎های بزرگتر می باشد.

کلیدواژه ها:

انتخاب ویژگی ، کاهش ابعاد داده ، بهینه‎سازی کلونی مورچگان ، انتروپی ، Wrapper