سکینه زنگنه - عضو هیات علمی دانشگاه آزاد اسلامی واحد بافت و دانشجوی کارشناسی ارشد هو
رضا جوانمردعلی تپه - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی قزوین، قزوین - ا
محمدمهدی عبادزاده - دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران - ایران

مساله انتخاب زیرمجموعه ویژگیها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگیها از میان مجموعه داده اولیه می باشد و همچنین مبحث مهمی در تحلیل میزان همبستگی در زمینه های دسته بندی و مدلینگ می باشد که در کاهش ابعاد مجموعه ویژگی ها بکار می آید. این کار با حذف ویژگی هایی که ایجاد نویز می کنند و یا اینکه با دیگر ویژگیها همبستگی کمی دارند، انجام می شود. در واقع هدف این مقاله، بهبود محاسبه کارآیی دسته بندی، ایجاد دسته بندهای سریع و کم هزینه وتولید مدلهای دسته بندی سریعتر می باشد. در این مقاله، یک رویکرد ترکیبی برای کاهش ابعاد ویژگیهای مجموعه های داده ای با استفاده از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک در تشخیص بیماری ارائه شده است. مدل ترکیبی ارائه شده، با استفاده از مجموعه داده هایی از حوزه تشخیص پزشکی – از مرجعUC-Irvine(UCI) آزمایش شده است. نتایج پیاده سازی هم نشان می دهد که دقت دسته بندی زیرمجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه داده اصلی ایجاد کرده است

کاهش ابعاد ویژگیها، انتخاب مجموعه ویژگیها، شبکه عصبی، الگوریتم های ژنتیک