مسعود زارعی - دانشجوی کارشناسی ارشد کامپیوتر
حسن رضایی - استادیار دانشگاه سیستان و بلوچستان

مساله انتخاب ویژگی درسالهای اخیر درحوزه داده کاوی و تشخیص الگو درهنگام مواجه شدن با مجموعه داده های با تعدادزیاد متغیر یا ویژگی به صورت گسترده مورد مطالعه قرار گرفته است تعدد ویژگیها باعث کندشدن سیستم های تشخیص الگو یا سیستمهای دسته بندی پایین آمدن کارایی و بالا رفتن هزینه ساخت چنین سیستم هایی می گردد دراین مقاله یکروش جدید برمبنای الگوریتم کلونی مورچگان و یادگیری شبکه های عصبی مصنوعی برای مساله انتخاب ویژگی ارایه میگردد الگوریتم پیشنهادی برروی تعدادی از مجموعه داده های معروف دراین حوزه اجرا شده است نتایج بیانگر کارایی بالای آن براساس دو معیار صحت دسته بندی و انتخاب کوچکترین مجموعه از ویژگیهای مهم به صورت همزمان است.

انتخاب ویژگی، کلونی مورچگان، شبکه های عصبی مصنوعی