ارائه يك الگوريتم تكاملي براي انتخاب ويژگي در مجموعه داده‌هاي نامتعادل مقياس بزرگ با نمونه‌هاي كم

كارشناسي ارشد

يكي از مهم‌ترين مراحل پيش‌پردازش داده در زمينه داده‌كاوي و يادگيري ماشين، انتخاب ويژگي است كه هدف آن حذف ويژگي‌هاي غيرمرتبط و زائد احتمالي از مجموعه داده است. انتخاب ويژگي يك مسئله‌ي بهينه‌سازي چند هدفه تلقي مي‌شود كه اهداف آن عبارتند از كاهش تعداد ويژگي‌هاي انتخاب شده و افزايش دقت طبقه‌بندي. انتخاب ويژگي در مجموعه داده‌هايي كه داراي مشخصاتي همچون تعداد زياد ويژگي‌ها و تعداد نمونه‌هاي كم هستند به چالش بزرگ‌تري تبديل مي‌شود. از آن جايي كه استفاده از روش‌هاي قطعي براي حل مسئله انتخاب ويژگي از پيچيدگي محاسباتي بالايي برخوردار است، بسياري از محققان به الگوريتم‌هاي تكاملي روي آورده‌اند. در اين پايان‌نامه يك الگوريتم تكاملي ارائه مي‌شود كه به كمك آن عمليات انتخاب ويژگي در داده‌هاي نامتعادل با ابعاد بالا و تعداد نمونه‌هاي كم با دقتي زياد انجام مي‌شود. اين الگوريتم تركيبي از دو الگوريتم ازدحام سالپ و تكامل تفاضلي است و از مولفه‌هايي همچون جمعيت اوليه نخبه و تابع تبديل نمايي برخوردار است. عملكرد اين الگوريتم بر روي 8 مجموعه داده ريزآرايه آزمايش شده است كه نتايج حاكي از آن است كه الگوريتم ارائه شده در مقايسه با ساير الگوريتم‌هاي تكاملي از جمله الگوريتم ژنتيك، الگوريتم ازدحام سالپ، الگوريتم شاهين هريس و الگوريتم گرگ خاكستري عملكردي مطلوب دارد. به عبارت دقيق‌تر الگوريتم ارائه شده قادر است ميزان ابعاد مجموعه داده‌هاي مورد آزمايش را از 84.95٪ در داده Colon تا 99.13٪ در داده Ovarian كاهش دهد، در حالي كه دقت طبقه‌بندي از 89.76٪ در داده Colon تا 99.26٪ در داده SRBCT متغير است. همچنين در اين پايان‌نامه يك ابزار انتخاب ويژگي در پايتون معرفي مي‌شود كه به وسيله‌ي آن مي‌توان الگوريتم‌هاي تكاملي مختلفي براي حل مسئله‌ي انتخاب ويژگي طراحي نمود. به كمك اين ابزار مي‌توان علاوه‌ بر استفاده از الگوريتم‌هاي پيش‌فرض موجود، الگوريتم‌هاي جديدي براي بخش‌هاي مختلف از جمله نحوه‌ي ايجاد جمعيت اوليه، روش تبديل به دودويي و نحوه‌ي جستجو طراحي نمود و ميزان دقت و ميزان كاهش ابعاد را مشاهده نمود.

196406

دانشگاه علم و صنعت ايران

مهندسي برق- الكترونيك ـ ديجيتال

هادي شهريار شاه‌حسيني