انتخاب ویژگی با استفاده از الگوریتم تکامل تفاضلی

در سالهای اخیر دادهکاوی یکی از موضوعات پژوهشی تحقیقاتی در صنعت اطلاعات به علت دسترسی گسترده به مقادیر بسیار زیاد داده ها و ضرورت حیاتی برای تبدیل چنین اطلاعاتی به اطلاعات مفید است. رشد بسیار زیاد داده ها در حوزه های مختلف، چالش بزرگی برای تکنیکهای پردازش داده ها و تجزیه وتحلیل است.ازجمله کاربردهای مورد استفاده از انتخاب ویژگی را می توان به داده کاوی، بیوانفورماتیک، آموزش آنلاین، مراقبتهای بهداشتی، رسانه های اجتماعی، تجارت الکترونیک، پردازش سیگنال، تشخیص ابعاد،حمل ونقل و پیش بینی اشاره کرد. در این پژوهش روش نوین و کارایی جهت انتخاب ویژگی با استفاده از الگوریتم تکامل تفاضلی به منظور افزایش دقت دسته بندی انتخاب ویژگی و افزایش سرعت دستهبندی ارائه میشود. اکنون نتایج معیارهای دقت، صحت، فراخوان و معیار F را برای برخی از مجموعه داده های برگرفته شده از سایت UCI ذکر میشودکه؛ مجموعه داده Breast cancer به ترتیب 98,09، 97,33، 97,78 و 97,55 درصد و مجموعه داده Lymphography به ترتیب 87,32، 86,28، 85,37 و 85,82 به دست آمده است.

کلیدواژه ها:

الگوریتم های داده کاوی ، کاهش ویژگی ، انتخاب ویژگی ، الگوریتم تکامل تفاضلی ، الگوریتم های طبقه بندی.