طبقه بندی با استفاده از الگوریتم ژنتیک و نرم افزار جهت تشخیص قابلیت انتخاب

روش انتخاب ویژگی ها راهی برای کاهش زمان محاسبه، بهبود عملکرد پیش بینی، و درک بهتری از داده ها در برنامه های کاربردی یادگیری ماشین یا تشخیص الگو می باشد. هدف تحقیق این است متغییرهای عمومی که می تواند یک آرایه وسیعی از مشکلات یادگیری ماشین را به وجود آورند حذف می شوند. همچنین برخی از تکنیک های انتخاب ویژگی که در مجموعه داده استاندارد قابل استفاده هستند را نشان می دهد.نشان دادن این عملیات از روش انتخاب ویژگی استفاده شده است. در این مقاله، الگوریتم ژنتیک گرا نهفته معنایی (GALSF) ارائه شده است. روش پیشنهادی متشکل از انتخاب 22 پارامتر می باشد . مرحله اول با استفاده از فیلتر مبتنی بر 23 مواد و روش است. مرحله دوم استخدام نمایه سازی معنایی نهفته (LSI) توسط الگوریتم ژنتیک میباشد. نتایج تجربی 28 مورد به دست آمده در روش ژنتیک می باشد که ، هر دو ویژگی روش انتخاب بر اساس فیلتر بر روی مجموعه داده ها با معیارهای خاص ر روی 29 ابعاد ویژگی های مختلف در LSI می باشد. چارچوب تشخیص دست خط، مبتنی بر GA می باشد که زمان الگوریتم انتخاب ویژگی در آن از ویژگی های زیر مجموعه ها با استفاده از خاص بودن شاخص تفکیک مورد بررسی قرار گرفته و روش جدیدی برای آن ارائه شده است.

کلیدواژه ها:

انتخاب ویژگی ، الگوریتم های ژنتیکی ، تشخیص دست خط ، نمایه سازی معنایی نهفته ، طبقه بندی متن