احسان دالوند - گروه مهندسی برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
مریم بافندکار - گروه مهندسی کامپیوتر، واحد شیراز،دانشگاه آزاد اسلامی، شیراز، ایران

ازآنجاییکه مجموعه های داده غالبا0 با اهدافی متفاوت از داده کاوی جمع آوری میشوند، دارای ویژگی های اضافی و غیر مرتبط زیادی هستند. وجود این نوع ویژگی ها میتواند برای سیستم یادگیر مشکلاتی ازجمله افزایش هزینه محاسباتی و همچنین کاهش دقت را به دنبال داشته باشد. ازاینرو استفاده از انتخاب ویژگی به عنوان یک پیش پردازش در زمینه های که از مجموعه های داده استفاده میکنند، میتواند به بهبود عملکرد سیستم کمک کند. در این مقاله روشی ارایهشده است که در آن از نظریه مجموعههای ناهموار بهعنوان معیار ارزیابی کیفیت یک زیرمجموعه از ویژگی ها و همچنین الگوریتم چکه آبهای هوشمند بهعنوان روش جستجو، استفادهشده است. هدف اصلی این مقاله، کاهش پیچیدگی محاسباتی استفاده از نظریه مجموعههای ناهموار درروش های انتخاب ویژگی و همچنین بهبود کیفیت مجموعه جواب نهایی از طریق استفاده از الگوریتم جستجوی چکه آبهای هوشمند است. روش ارایهشده در چندین مجموعه داده مربوط به دانشگاه ایرواین کالیفرنیا آزمایش و نتایج با روشهای مشابه موجود مقایسه شده است. نتایج بهدستآمده نشان میدهد که میتوان با حذف محاسبات تکراری پیچیدگی زمانی استفاده از نظریه مجموعههای ناهموار را کاهش داد و همچنین میتوان از الگوریتم چکه آبهای هوشمند بهعنوان روش جستجوی کارآمدی در انتخاب ویژگی استفاده کرد.

انتخاب ویژگی، مجموعه های ناهموار، کاهش، چکه آبهای هوشمند، کلونی مورچگان