حل مساله انتخاب ویژگی با استفاده از ترکیب الگوریتم علف هرز بهبود یافته و الگوریتم دیفرانسیل تکاملی

مساله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. این مساله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلا استفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. حذف نکردن این ویژگی ها مشکلی از لحاظ اطلاعاتی ایجاد نمی کند ولی بار محاسباتی را برای کاربرد مورد نظر بالا می برد. و علاوه بر این باعث می شود که اطلاعات غیر مفید زیادی را به همراه داده های مفید ذخیره کنیم. تا کنون روش های و الگوریتم های مختلفی برای حل این مسئله پیشنهاد شده است. در این تحقیق از ترکیب الگوریتم های بهینه سازی علف هرز بهبود یافته و الگوریتم دیفرانسیل تکاملی با مدلسازی شبکه عصبی MLP استفاده شده است. در پایان روش پیشنهادی با مجموعه داده های استاندارد موجود تحلیل شده و نتایج بیانگر کارایی بالای الگوریتم پیشنهادی بر اساس دو معیار دقت دسته بندی و انتخاب زیرمجموعه ای کوچک از ویژگی ها به عنوان ویژگی های برجسته به صورت همزمان است.

کلیدواژه ها:

انتخاب ویژگی ، طبقه بندی ، بهینه سازی ، الگوریتم علف هرز ، الگوریتم دیفرانسیل تکاملی