کاهش نمونه در داده‌ها به کمک الگوریتم بهینه‌سازی چندهدفه ازدحام ذرات آشوبی

امروزه با توجه به حجم وسیع داده‌ها، مسئله کاهش نمونه حائز اهمیت است. همچنین عدم وجود توازن در توزیع داده‌ها بین کلاسهای مختلف یک چالش جدی در دادهکاوی است. در روش پیشنهادی، مسئله کاهش نمونه بهعنوان مسئله ی چندهدفه در نظر گرفته شده است که توانسته است با درنظر گرفتن دو معیار متضاد صحت طبقه بندی و نرخ کاهش نمونه ها و همچنین توجه به معیارهای مربوط به داده های نامتوازن عملکرد خوبی داشته باشد. ایجاد و حفظ توازن در انواع مختلف توزیع داده مهمترین هدف روش پیشنهادی است. مسئله چندهدفه طراحی شده با استفاده از الگوریتم بهینه سازی ازدحام ذرات آشوبی حل شده است. سطح تصمیم مبتنی بر فاصله در روش پیشنهادی، وظیفه تشخیص حفظ و یا حذف نمونه های آزمایشی را دارد. نتایج آزمایشات نشان دهنده ی برتری روش پیشنهادی از نظر دقت و صحت طبقه بندی و نرخ کاهش داده ها نسبت به روش های مرز دانش است. نتایج آزمایشات نشان دهنده ی برتری روش پیشنهادی از نظر دقت و صحت طبقه بندی و نرخ کاهش داده ها نسبت به روش های مرز دانش است.