دانشگاه آزاد اسلامی سبزوار - جستجو در پایان‌نامه‌ها

پایان‌نامه‌ی کارشناسی ارشد: سپیده یوسفی، ۱۳۹۹

انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ملخ باینری

با افزایش حجم روز افزون دادهها در سالهای اخیر، مشکل دادههای با ابعاد بالا بوجود آمده است که باعث کاهش کارایی در مبحث یادگیری ماشین و شناسایی الگو میشود. انتخاب ویژگی در مجموعه دادهها با ابعاد بالا یکی ازمهم ترین مراحل یادگیری ماشین به حساب میآید. روشهای قدیمی انتخاب ویژگی توانایی رویارویی با حجم بالا این دادهها را ندارند و نمیتوانند مانند دادههای کلاسیک بر روی دادههای با بعد بالا نیز موثر واقع شوند از این رو استفاده از روشی که بتواند جوابگوی انتخاب ویژگیهای موثر و حذف ویژگیهای افزونگی و نامرتبط در مجموعه دادههای با ابعاد بالا باشد بسیار ضروری به نظر میرسد. دلیل استفاده از الگوریتم های فراابتکاری برتری آنها برای داشتن توانایی یافتن راه‌حل‌های قابل قبول معقول در دوره‌های زمانی است. در این پایانامه کاربرد الگوریتم فرا ابتکاری برای انتخاب ویژگی و کاهش ابعاد بررسی میشود. الگوریتم فراابتکاری استفاده شده ملخ نام دارد که از جدید ترین الگوریتم های معرفی شده می‎باشد.

کلیدواژه‌ها: کلمات کلیدی : کاهش ابعاد داده – انتخاب ویژگی – بهینه سازی – الگوریتم های فر

M.A. Thesis:

feature selection using binary grasshopper optimization algorithm

by increasing the increasing volume of data in recent years , the problem of high dimensionality data has been developed which reduces the performance in machine learning and pattern recognition . feature selection is one of the most important steps in machine learning . Traditional methods of selection are not capable of coping with high volume of data and cannot be effective , such as classical data on high - dimension data , hence the use of the method that can accommodate the selection of effective features and remove redundancy features in a high - dimensional data set .The reason for the used algorithms is their superiority to have the ability to find reasonable acceptable solutions in time periods . in this thesis , the application of heuristic algorithm for feature selection and dimension reduction is investigated . The algorithm used is called grasshopper , which is one of the most recent algorithms

Keywords: Keywords: data size reduction - feature selection - optimization - oven algorithms