کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

انتخاب ویژگی‌ مبتنی بر امتیاز فیشر با استفاده از داده‌های برچسب‌دار و بدون برچسب‌

نویسندگان :

راضیه شیخ پور¹

1- دانشگاه اردکان

کلمات کلیدی :

انتخاب ویژگی نیمه‌نظارتی، داده‌های بدون برچسب، داده‌های برچسب‌دار، امتیار فیشر

چکیده :

یکی از فرایندهای مهم در مباحث مربوط به یادگیری ماشین و داده‌کاوی، انتخاب ویژگی است که با حذف ویژگی‌های نامرتبط و شناسایی ویژگی‌های موثر باعث سادگی و افزایش کارایی مدل می‌شود. انتخاب ویژگی نیمه‌نظارتی که از اطلاعات توزیع و ساختار هندسی داده‌های بدون برچسب به همراه داده‌های برچسب‌دار برای انتخاب ویژگی‌ها استفاده می‌کند، در بسیاری از کاربردهای دنیای واقعی که داده‌های برچسب‌دار کمی در دسترس هستند، می‌تواند مورد استفاده قرار گیرد. در این مقاله، یک روش انتخاب ویژگی نیمه‌نظارتی مبتنی بر امتیاز فیشر پیشنهاد می‌شود که با استفاده از واریانس داده‌ها و منظم‌سازی هسین، به جستجوی ویژگی‌ها با بهترین توانایی تفکیک‌پذیری و حفظ ساختار هندسی داده‌ها می‌پردازد. برای ارزیابی کارایی روش پیشنهادی، شبیه‌سازی‌هایی بر روی دو مجموعه داده انجام می‌شود. نتایج شبیه‌سازی‌ها نشان دادند که روش پیشنهادی کارایی بالاتری در مقایسه با سایر روش‌های انتخاب ویژگی بر روی هر دو مجموعه دارد و ویژگی‌های مناسب‌تری را نسبت به سایر روش‌ها انتخاب می‌کند.