انتخاب ویژگی از داده های با ابعاد بالای ریزآرایه با استفاده از تکنیک بهینه سازی چندگانه

در دهه ها ی گذشته، حجم داده ها بشدت افزایش یافته است، هم در تعداد نمونه ها و هم تعداد ویژگی ها، که این امر رسیدگی به مسئله ی انتخاب ویژگی را دشوارتر می سازد. پیدا کردن چندین راه حل بهینه، هدف روش های بهینه سازی چندگانه است. در اکثر این روش ها پس از یافتن چندین جواب، بهترین جواب استفاده می شود. با این رویکرد پاسخ های نیمه بهینه دیگر که ممکن است دارای اطلاعات مفیدی باشند، نادیده گرفته می شوند. در این مقاله از پتانسیل و اطلاعات چندین جواب برای حل مسئله ی انتخاب ویژگی از داده های ریزآرایه و ایجاد یک تلفیق از طبقه بندها استفاده می شود. در فاز اول با استفاده از الگوریتم بهینه سازی چندگانه مبتنی بر کرم شب تاب، چندین زیرمجموعه ویژگی بدست می آید. سپس در فاز دوم با هر کدام از این زیرمجموعه ویژگی ها یک طبقه بند آموزش داده می شود و این طبقه بندها با هم تلفیق می شوند. در فاز سوم برای انتخاب تلفیق مناسب از الگوریتم بهینه سازی ازدحام ذرات به عنوان جستجوگر استفاده می شود. در نهایت در فاز چهارم عملکرد روش پیشنهادی با اعمال آن بر روی پنج مجموعه داده ی ریزآرایه مورد ارزیابی قرار می گیرد. نتایج بدست آمده نشان دهنده برتری و عملکرد خوب این روش نسبت به سایر روش های مورد مقایسه می باشد.