انتخاب ویژگی بدون سرپرست با استفاده از الگوریتم یادگیری افزایشی مبتنی بر جمعیت و دسته
انتخاب ویژگی بدون سرپرست با استفاده از الگوریتم یادگیری افزایشی مبتنی بر جمعیت و دسته بندی تجمعی
چکیده - این مقاله یک الگوریتم انتخاب ویژگی جدید برای دسته بندی بدون سرپرست را که ترکیبی از روش دسته بندی تجمعی و الگوریتم یادگیری افزایشی مبتنی بر جمعیت بوجود آمده است را شرح می دهد. ایده ی اصلی الگوریتم انتخاب ویژگی بدون سرپرست پیشنهاد شده، جستجو برای زیرمجموعه ای از تمام ویژگی هاست که بیشترین شباهت به راه حل دسته بندی که به وسیله الگوریتم های آموزش دیده بدست آمده است می باشد. به طور خاص یک راه حل دسته بندی در مرحله اول بوسیله یک دسته بندی تجمعی بدست می آید سپس الگوریتم تجمعی مبتنی بر جمعیت زیرمجموعه ای از خصوصیات که مناسب تر است را از میان راه حل های دسته بندی بدست آمده پیدا می کند . یکی از مزایای الگوریتم انتخاب ویژگی بدون سرپرست پیشنهاد شده بی غرضی ابعاد است. در کل نقطه قوت این الگوریتم اجماع سراسری چندین راه حل دسته بندی است. نتایج آزمایشات روی چندین مجموعه داده واقعی اثبات می کند که این الگوریتم پیشنهادی در اکثر مواقع قادر است که زیر مجموعه ای از بهترین و مناسب ترین ویژگی ها را در مقایسه با سایر الگوریتم های انتخاب ویژگی بدون سرپرست دیگر بدست می آورد.
كليد واژه- cefs ، pbil
|