یک روش انتخاب ویژگی ترکیبی برای داده های با بعد بالا مبتنی بر خرد جمعی

امروزه با ظهور و گسترش داده های بعد بالا، روند انتخاب ویژگی نقش بسیار مهمی را در زمینه یادگیری ماشینی و به خصوص مسایل طبقه بندی داده، بازی می کند. کار بر روی داده های با بعد بالا از جمله داده های میکروآرایه ای با مشکلاتی همچون وجود ویژگی های نامرتبط و افزونه بسیار روبه رو است که باعث کاهش نرخ صحت طبقه بند، افزایش هزینه محاسباتی و معضل «نفرین بعد» می شود. در این مقاله به ارائه یک روش ترکیبی با استفاده از رویکردهای خرد جمعی برای انتخاب ویژگی در داده های با بعد بالا پرداخته می شود. در روش پیشنهادی، ابتدا در مرحله اول از یک روش فیلتری برای کاهش بعد داده استفاده می شود، سپس در مرحله دوم، دو الگوریتم روزآمد پیچشی با استفاده از رویکرد خرد جمعی بر روی ویژگی های کاهش یافته اعمال شده و نتیجه تجمیع می گردد. روش پیشنهادی بر روی 8 پایگاه داده میکروآرایه ای مورد ارزیابی قرار گرفته و مقایسه نتایج با چندین روش روزآمد و شناخته شده در حوزه انتخاب ویژگی، کارایی روش پیشنهادی را تایید می کند.