یک رویکرد فیلتر چند منظوره مبتنی بر تکامل برای انتخاب ویژگی

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک رویکرد فیلتر چند منظوره مبتنی بر تکامل برای انتخاب ویژگی

عنوان لاتین

An Evolutionary Based Multi-Objective Filter Approach for Feature Selection

انتخاب ویژگی یکی اط حوزه های پژوهشی مهم در شناسایی الگو است. هدف انتخاب ویژگی، انتخاب آنتخاب آن دسته از ویژگی های مفید برای بهبود عملکرد دسته بندی کننده است. در این مقاله، ما یک الگوریتم مویم چند منظوره مبتنی بر اطلاعات مقابل برای انتخاب ویژگی به نام اطلاعات متقابل چند منظوره (MOMI) را ارائه می دهیم. روش پیشنهادی، مجموعه ای از ویژگی ها با کمترین تکرار و بیشترین ارتباط با کلاس هدف را شناسایی می کند. آزمایشات متعددی انجام شده اند تا عملکرد MOMI در مقایسه با روش های انتخاب ویژگی معروف و نوین موجود بر روی پنج مجموعه داده معیار را ارزیابی کنند. نتایج نشان می دهند که در بیشتر حالت ها، MOMI عملکرد دسته بندی بهتری را نسبت به روش های دیگر دارد.

Feature selection is one of the important research areas in pattern recognition. The aim of feature selection is to select those of informative features to improve the classifier’s performance. In this paper, we propose a novel multiobjective algorithm based on mutual information for feature selection, called multi-objective mutual information (MOMI). The proposed method identifies a set of features with minimal redundancy and maximum relevancy with the target class. Several experiments are performed to evaluate the performance of MOMI compared to that of well-known and state-of-the-art feature selection methods over five benchmark datasets. The results show that in most cases MOMI achieves better classification performance than others.