این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۲، شماره ۱، صفحات ۲۰-۲۸
عنوان فارسی انتخاب ویژگی شورایی مبتنی بر حداقل افزونگی، حداکثر همبستگی: یک رویکرد دو هدفه بر اساس مفهوم غلبه پارتو
چکیده فارسی مقاله برای بهبود الگوریتم‌های انتخاب ویژگی، روش‌های شورایی مورد استفاده قرار می‌گیرند. در این رویکردها نتایج چندین روش انتخاب ویژگی با هم ترکیب می‌شوند تا مجموعه ویژگی نهایی حاصل شود. انتخاب ویژگی شورایی بر اساس این حقیقت است که تنوع روش‌های انتخاب ویژگی بهتر از تنها یک روش عمل می‌کند. هر الگوریتم انتخاب ویژگی ممکن است یک اپتیموم محلی را در فضای ویژگی‌ها در نظر بگیرد. در نتیجه روش‌های انتخاب ویژگی شورایی برای حل این مشکلات مورد استفاده قرار می‌گیرند. در این مقاله ما یک الگوریتم انتخاب ویژگی شورایی بر اساس رتبه‌دهی مبتنی بر مفهوم غلبه پارتو برای بهبود دقت دسته‌بندی روش‌های انتخاب ویژگی شورایی حاضر و روش‌های پایه انتخاب ویژگی ارائه داده‌ایم. این روش با استفاده از یک فرآیند بهینه‌سازی دو‌هدفه و مفهوم فاصله ازدحام، ویژگی‌ها در این فضا و در نظر گرفتن میزان همبستگی با برچسب کلاس و نیز افزونگی هر ویژگی به رتبه‌دهی آنها می پردازد. ما این روش را با روش‌های انتخاب ویژگی شورایی جدید و الگوریتم‌های پایه انتخاب ویژگی مقایسه کرده‌ایم. نتایج نشان‌دهنده برتری روش در معیار دقت دسته‌بندی است و همچنین در زمان کوتاه‌تری نسبت به سایر روش‌ها اجرا می‌شود.
کلیدواژه‌های فارسی مقاله انتخاب ویژگی شورایی، فاصله ازدحامی، بهینه‌سازی دو هدفه، رتبه‌دهی مبتنی بر مفهوم غلبه پارتو،
عنوان انگلیسی Minimum redundancy maximum relevance ensemble feature selection: A bi-objective Pareto-based approach
چکیده انگلیسی مقاله - Ensemble feature selection methods are used to improve the robustness of feature selection algorithms. These approaches are a combination of several feature selection methods to achieve the final ranking of features. The reason for using such approaches is derived from the fact that the variety of different methods is more effective than only one method. Each feature selection algorithm may find feature subsets that can be considered local optima in the feature subsets space. Ensemble feature selection is a solution to address this problem. In this paper, we have proposed a bi-objective feature selection algorithm based on Pareto-based ranking. The maximum relevancy and minimum redundancy are considered as our two objectives. Both of the objectives are obtained by the ensemble of three feature selection methods. The final evaluation of features is according to a bi-objective optimization process and the crowding distance of features in this space for ranking the features. The proposed method results are compared with recent ensemble feature selection algorithms and simple feature selection algorithms. The results show that our classification accuracy method is superior to other similar methods and performs in a short time.
کلیدواژه‌های انگلیسی مقاله انتخاب ویژگی شورایی, فاصله ازدحامی, بهینه‌سازی دو هدفه, رتبه‌دهی مبتنی بر مفهوم غلبه پارتو
نویسندگان مقاله امین هاشمی |
دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران.

محمدباقر دولتشاهی |
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان.

حسین نظام آبادی پور |
دانشکده مهندسی برق، دانشگاه شهید باهنر کرمان، کرمان، ایران.

نشانی اینترنتی https://jscit.nit.ac.ir/article_138958_3e0d31e1624fd512b8d17ab257a52532.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات