بررسی تاثیر الگوریتم شیر مورچه در انتخاب ویژگی به کمک الگوریتم SVM و MLP

انتخاب ویژگی از مهم ترین روش ها و تکنیک ها جهت پیش پردازش داده برای کاوش داده است. به دلیل ارائه برنامه های جدید برای مقادیر زیاد داده مثل داده کاوی و پردازش داده های پزشکی که نیازمند پردازش حجموسیعی از داده ها می باشد، محدود کردن تعداد ویژگی اهمیت پیدا کرده است. در این مقاله مطالعه تاثیر روش های انتخاب ویژگی در دقت طبقه بندی نظارت شده را ارائه می کند. برای این کار از الگوریتم شیرمورچهبرای کاهش ابعاد داده ها در مجموعه داده های بیان ژن ارزیابی شده است. نتایج با استفاده از ماشین بردار پشتیبان ( SVM ) و پرسپترون چند لایه (MLP) طبقه بندی می شوند. نتایج حاصل نشان می دهد که روش پیشنهادی باعث می شود با استفاده از ژن های کم، روشی تفسیرپذیر و با دقت بالا جهت طبقه بندی داده های بیان ژن تولید شود.

Keywords:

انتخاب ویژگی , داده کاوی , بیان ژن , الگوریتم شیرمورچه , الگوریتم ماشین بردار پشتیبان , پرسپترون چند لایه