ارایه راهکار جدید بمنظور تحلیل داده های بزرگ مبتنی بر الگوریتم های هوش جمعی

با پیشرفت روز افزون تکنولوژی در زمینه داده کاوی در زمینه های علمی مختلف، مجموعه داده های با ابعاد بسیار بالا در حال افزایش است که منجر به کاهش کارایی می شود. لذا نیاز به کاهش حجم این مجموعه داده ها امری ضروری است. در مسیله کاهش ابعاد داده ما می توانیم با استفاده از انتخاب ویژگی این کار را انجام دهیم . این مقاله در زمینه انتخاب ویژگی های موثر از بین تمامی ویژگی ها با استفاده از الگوریتم های هوش جمعی با هدف کاهش ابعاد داده های بسیار بزرگ به منظور مقایسه کارایی دو الگوریتم ارایه شده است. در این مقاله برای پیدا کردن زیرمجموعه بهینه از ویژگی ها از دو الگوریتم هوش جمعی ( الگوریتم چند هدفه ژنتیک و الگوریتم چند هدفه ازدحام ذرات ) با استفاده از طبقه بند svm استفاده شده است. بطور دقیق تر ما به دنبال یک مجموعه موثر از ویژگی ها به منظور تولید بالاترین نرخ ممکن از دقت و صحت انتخاب می باشیم. با توجه به نتایج بدست آمده در این مقاله، آزمایش بر روی مجموعه داده های با ابعاد بالا نشان می دهد که روش پیشنهادی ما در رسیدن به کاهش ابعاد بیشتر از داده ها از خطای کمتری برخوردار است.