یک روش انتخاب ویژگی ترکیبی براساس بهینهسازی کلونی مورچهها با استفاده از جستجوی محلی و بهروزرسانی جدید در طبقهبندی دادهها

ا نتخاب ویژگی اخیرا موضوع تحقیقات زیادی در داده کاوی خصوصا برای مجموعههای داده باتعدادزیادی ویژگی بوده است کارهای اخیر نشان میدهد که دارا بودن ویژگیهای نامربوط و زاید در مرحله فرآیند ساخت می تواند باکارایی ضعیف ومحاسبات زیاد منجر شود. در این مقاله یک الگوریتم کلونی مورچه ترکیبی برای انتخاب ویژگی ارایه شده است درالگوریتم پیشنهادی تعیین سایز بهینه ویژگیهای مفید به صورت خودکار انجام میشود. در هنگام انتخاب ویژگی هر مورچه ویژگی بعدی را که با ویژگی فعلی دارای همبستگی کمی است انتخاب میکند درصورتی که ممکن است این ویژگی با ویژگیهاای انتخابی قبلیمورچه دارای همبستگی زیادی میباشد، بنابراین استفاده از جستجوی محلی ضروری میباشد، که در این فرایند ویژگیها با اطلاعات اضافی حذف خواهند شد. به عبارت دیگر الگوریتم پیشنهادی روی انتخاب ویژگیهای مناسب و کاهش تعداد ویژگیهای انتخابی با استفاده از تابع تخمین سایز بهینه تعداد ویژگیهای مفید تاکید دارد و نیز زمان اجرا را کاهش داده است. و برای به روزرسانی بهترین مسیر در هر تکرار از بهروزرسانی جدید استفاده شده است. کارایی الگوریتم پیشنهادی با متدهای پیشین روی دوازده مجموعه دادهای UCI با تنوع در تعداد ویژگی و تعداد نمونهها، مقایسه شده که نتایج، برتری الگوریتم پیشنهادی را نشان میدهند

Keywords:

انتخاب ویژگی , کلونی مورچهها , جستجوی محلی , طبقهبندی دادهها