هادی اسماعیلی - عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد ایلام
مینا رضایتی - کارشناس ارشد مهندسی نرم افزار کامپیوتر

در این مقاله، یک روش جدید به منظور استخراج ویژگی های داده جهت بهبود دقت الگوریتم های طبقه بندی ارائه شدهاست. روش پیشنهادی از تبدیل گسسته موجک به منظور تبدیل ویژگی های پایگاه داده ورودی استفاده می کند. پس از آناز الگوریتم جستجوی ژنتیک چندهدفه NSGA III برای استخراج بهترین ویژگی ها استفاده می شود. استفاده ازتجزیهگسسته موجک علاوه بر سادگی پیاده سازی، می تواند نتایج مناسب تری را در تبدیل ویژگی ها نسبت به روش های مشابهمانند تحلیل مولفه های اصلی فراهم کند. همچنین استفاده از الگوریتم ژنتیک چندهدفه NSGA III موجب استخراجیک زیرمجموعه بهینه از ویژگی های ورودی خواهد شد که بیشترین دقت در طبقه بندی داده ها را در پی داشته باشد. برایارزیابی روش پیشنهادی از دو پایگاه داده سرطان سینه Wisconsin و IPL استفاده شده و ویژگی های استخراج شدهتوسط روش پیشنهادی با الگوریتم استخراج ویژگی PCA و الگوریتم انتخاب ویژگی SFS مقایسه شده است. نتایج نشانمی دهد که استفاده از روش پیشنهاد شده برای استخراج ویژگی می تواند موجب بهبود دقت تشخیص در الگوریتم هایطبقه بندی شود.

بهینه سازی چند هدفه، استخراج ویژگی، داده کاوی، کاهش ابعاد داده