کاهش ابعاد داده ها با استفاده از یک روش ترکیبی انتخاب ویژگی

یکی از روش‌های مهم در بهبود دقت طبقه بند و کاهش اندازه‌ی مساله، انتخاب زیرمجموعه‌ای از ویژگی‌های موثر و حذف ویژگی‌های نویزی و زائد است. انتخاب ویژگی یک عمل پیش‌پردازش مهم به شمار می‌آید که بر روی تحلیل داده‌ها و دقت طبقه‌بندی آنها تاثیرگذار است. این مقاله به ارائه یک روش ترکیبی جهت کاهش ابعاد در داده‌های با ابعاد بالا می‌پردازد. بدین ترتیب که ابتدا، روش‌های فیلتری بر روی داده‌ها اعمال سپس الگوریتم باینری کرم شب‌تاب و طبقه بند بیزین بر روی ویژگی‌های کاهش‌یافته اعمال گردیده و نتیجه تجمیع می‌شود. کارایی روش پیشنهادی بر روی چندین مجموعه داده‌های میکرو آرایه ارزیابی و نتایج آن با تعدادی از روش‌های انتخاب ویژگی مشابه مقایسه گردیده است. نتایج ارزیابی حاصل از مقایسه روش پیشنهادی با سایر روش‌ها حاکی از کارایی قابل قبول این روش در انتخاب ویژگی‌های موثر می باشد.