انتخاب ویژگی با استفاده از بهینه سازی ازدحام ذرات مبتنی بر کوانتوم بهبود یافته و مجموعه راف

امروزه به دلیل رویارویی با مجموعه داده های حجیم، پیداکردن روشی مناسب جهت یافتن ویژگی های مفید در پایگاه داده ها یکی از موضوعات می باشد. استفاده از تمامی ویژگی های موجود در هرمجموعه داده منجر به افزایش زمان اجرا و کاهش دقت می گردد که استفاده از الگوریتم های فراابتکاری برای بدست آوردن راه حل بهینه پیشنهاد شده است. به دلیل همگرایی سریع الگوریتم PSO، شانس افتادن در بهینه های محلی و یا خارج شدن بهینه سراسری از فضای مسئله بالاست. اگرچه تاکنون برای بهبود کارایی الگوریتمبهینه سازی ازدحام ذرات و توانا کردن آن در روند جستجو، پویا کردن پارامترهای همراه براساس منطق فازی و یا روش های دیگر درمقالات پیشنهاد شده است اما دارای چالش های حساسیت وزن اینرسی ثابت و همگرایی در بهینه های محلی می باشند. از این رو در این مقاله ابتدا روش جدیدی برای بهبود کارایی الگوریتم در جهت بالابردن تنوع و برقراری توازن بین اکتشاف محلی و سراسری با پویا کردن پارامتر وزن اینرسی و تکنیک کوانتوم پیشنهاد شده است سپس با ترکیب نمودن روش پیشنهادی اول با تئوری مجموعه راف، روشی موثر برای انتخاب ویژگی ها در پایگاهداده پیشنهاد شده است. پیاده سازی روش روی برخی از توابع بهینه سازی بنچ مارک و پایگاه داده های موجود در مخزن UCI نشان از بهتر بودن روش پیشنهادی در مقایسه با برخی از روش های دیگر دارد .

کلیدواژه ها:

انتخاب ویژگی ، تئوری راف ، بهینه سازی ازدحام ذرات.