TY - JOUR ID - 120840 TI - انتخاب ویژگی چندبرچسبی با استفاده از الگوریتم بهینه ساز جمعیت رقابتی JO - مجله علمی رایانش نرم و فناوری اطلاعات JA - JSCIT LA - fa SN - 2383-1006 AU - بیاتی, حمید AU - دولتشاهی, محمدباقر AU - پنیری, محسن AD - دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه لرستان، خرم آباد، ایران. Y1 - 2020 PY - 2020 VL - 9 IS - 4 SP - 56 EP - 69 KW - الگوریتم بهینه‌ساز جمعیت رقابتی KW - انتخاب ویژگی KW - داده‌های چندبرچسبی KW - خطای باز تولید KW - بازنمایی تُنُک DO - N2 - انتخاب ویژگی یکی از اساسی‌ترین مراحل پیش پردازش داده‌ها در یادگیری ماشین است که با کاهش ابعاد در مجموعه داده‌ها باعث صرفه‌جویی در منابع و افزایش سرعت محاسبات می‌شود. همچنین، انتخاب ویژگی می‌تواند با حذف ویژگی‌های غیرمرتبط و افزونه باعث افزایش دقت و کارایی الگوریتم‌های یادگیری ماشین شود. در این مقاله، یک روش جدید تعبیه‌شده برای انتخاب ویژگی چندبرچسبی پیشنهاد شده است که در آن، مساله انتخاب ویژگی چندبرچسبی برای اولین بار با استفاده از الگوریتم بهینه‌ساز جمعیت رقابتی حل خواهد شد. در روش پیشنهادی، ابتدا جمعیتی از ذرات ساخته می‌شود، سپس ذرات به دو دسته مساوی تقسیم شده و به صورت جفت با هم رقابت می‌کنند، ذرات برنده به تکرار بعد منتقل شده و ذرات بازنده از برنده‌ها یاد می‌گیرند، و در انتهای هر تکرار تابع هدف برای همه ذرات محاسبه می‌شود. این فرایند تا پیدا شدن یک ذره نزدیک به بهینه (که در اینجا ذره‌ای است که کمترین مقدار ضرر را دارد)، ادامه پیدا می‌کند. در این روش برای افزایش سرعت همگرایی، نیمی از جمعیت اولیه با استفاده از یک معیار شباهت ساخته می‌شود و همچنین از یک جستجوگر محلی برای کشف خاصیت محلی داده ها استفاده می‌شود. در انتها، بر اساس بهترین ذره، فرآیند انتخاب ویژگی انجام می‌شود. نتایج پیاده‌سازی روش پیشنهادی و مقایسه آن با نتایج سایر الگوریتم‌های انتخاب ویژگی چند برچسبی نمایانگر کارایی مناسب الگوریتم پشنهادی است. UR - https://jscit.nit.ac.ir/article_120840.html L1 - https://jscit.nit.ac.ir/article_120840_5be2271db832b8f24aec4c4421cb6066.pdf ER -