یک روش ترکیبی برای انتخاب ویژگی با استفاده از الگوریتم کلونی مورچه مبتنی بر جهش محدود

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 968

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCSE01_110

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

هدف از انتخاب ویژگی، استخراج ویژگی های موثر و حذف ویژگی های غیر مفید و مخرب، به منظور کاهش هزینه های محاسباتی و افزایش صحت طبقه بندی می باشد. برای یک داده با N ویژگی، تعداد (N)2 زیرمجموعه ویژگی مختلف وجود دارد؛ بنابراین انتخاب ویژگی به دسته مسائل غیرچندجمله ای تعلق دارد. استفاده از الگوریتم کلونی مورچه برای انتخاب ویژگی بسیار مناسب به نظر می رسد. مشکل اصلی الگوریتم مورچه درمسئله انتخاب ویژگی، احتمال گرفتار شدن در کمینه های محلی است؛ که علت این امر، کاهش احتمال تغییرات در مسیر انتخابی به دلیل تبخیرزیاد فرومون سایر مسیرها با گذشت تعداد تکرارها می باشد. در این مقاله برای افزایش سرعت و دقت و جلوگیری از همگرایی زودرس، یک روشترکیبی با استفاده از جهش محدود برای بهبود کارایی الگوریتم کلونی مورچه در انتخاب ویژگی ارائه شده است. نتایج شبیه سازی بر روی مجموعه ای از داده های UCI نشان دهنده ی بهبود صحت طبقه بندی در الگوریتم پیشنهادی نسبت به الگوریتم ژنتیک و الگوریتم کلونی مورچه به ترتیب به میزان 2.9% , 1.8% می باشد.

نویسندگان

اکرم شیخ زاهدی

دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد مشهد

حمیده کاظمی

دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد علوم و تحقیقات سیرجان

مهرداد جلالی

عضو هیئت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد مشهد

مهران ابدالی

عضو هیئت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد بافت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • W. F. P unch, E. D. Goodman, M. Pei, L. ...
  • _ _ _ _ _ On ...
  • R. Kohavi and , H. John, "Wrappers for feature subset ...
  • _ _ _ _ _ _ _ _ Lett., vol. ...
  • A. N. Mucciardi, E. E. Gose, "A comparison of seven ...
  • F. Marcelloni, ":Feature selection based on a modifed fuzzy c-means ...
  • M. Dash and H. Liu, _ nsistency-based search in feature ...
  • P. Narendra, K. Fukunaga, ":A branch and bound algorithm for ...
  • _ _ _ _ _ with Ant Colony Optimizatin, " ...
  • O. Boz, ":Feature subset selection using sorted feature relevance:" In ...
  • _ _ _ _ seection, " Pat. Recognit. Let. ot ...
  • _ _ _ _ _ _ _ _ _ _ ...
  • note On genetic algorihms for lrge scale feature selection, " ...
  • F. Z. Bril, D. E. Brown, and N. W. Worthy, ...
  • _ _ Jensen, :Feature _ _ optimization, " Pattern Recognition ...
  • _ _ for feature subset seection; IEEE Transaction on Engineering, ...
  • R. K. S vagaminathan, S. Ramakrishnan, "A hybrid approach for ...
  • _ _ _ _ _ _ IEEE Trans. Syst. Cybernet, ...
  • نمایش کامل مراجع