چکیده
در این مقاله یک الگوریتم بهینه سازی ازدحام ذرات (PSO) چند هدفۀ مبتنی بر فیلتر برای انتخاب ویژگی بر اساس تئوری اطلاعات ارائه می شود. الگوریتم PSO با استفاده از ویژگی های خوشه بندی و ازدحام بهبود می یابد به طوری که این ویژگی ها امکان حفظ مجموعۀ متنوعی از جواب ها در طول فرآیند بهینه سازی را برای این الگوریتم میسر می سازند. دو هدف بر اساس اطلاعات متقابل برای انتخاب ویژگی‌های بهینه به کار برده می شود، اولی سعی در به حداکثر رساندن ارتباط ویژگی ها با برچسب دسته ها دارد در حالی که دومی افزونگی در بین ویژگی های انتخاب شده را به حداقل می رساند. روش پیشنهادی بر روی چهار مجموعه داده مورد آزمایش قرار گرفته است که نتایج امیدوارکننده ای را در مقایسه با PSO چند هدفه و الگوریتم خفاش چند هدفه ارائه می دهد.
1-مقدمه
امروزه بسیاری از پایگاه های دادۀ مورد استفاده در یادگیری ماشینِ تحت نظارت یا بدون نظارت متحمل "مشقت بُعدچندی" [5] می شوند. این بدین معنی است که پایگاه های داده هم از نظر تعداد نمونه های داده و هم از نظر تعداد ویژگی ها در هر نمونه رشد می کنند. این مسئله در کارهایی مانند دسته بندی می تواند مشکل‌ساز شود زیرا حضور ویژگی های بی‌اهمیت یا بسیار همبسته می تواند دقت دسته بندی را کاهش دهد...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید