ارائه یک راهکار انتخاب ویژگی چندهدفه بر اساس اطلاعات متقابل شرطی و نظریه مجموعه پارتو

انتخاب ویژگی، فرایند انتخاب زیرمجموعه ای از میان مجموعه ویژگی های اولیه است، بطوری که با حذف ویژگی های اضافی و نامربوط دقت دسته بندی افزایش یابد. روش های انتخاب ویژگی فیلتر به دلیل پیچیدگی محاسباتی پایین، مقیاس پذیری از نظر ابعاد داده ها و استقلال از انواع دسته بندها از اهمیت بالایی برخوردار هستند. اما یکی از نقاط ضعف این دسته روش ها، کمبود اطلاعات در مورد تعامل و ارتباطات بین ویژگی ها است که منجر به انتخاب ویژگی های افزونه و نامربوط می شود. انتخاب ویژگی های افزونه و نامربوط به دلیل انتخاب نامناسب تابع هدفی است که بر اساس آن میزان اهمیت و افزونگی ویژگی ها تخمین زده می شود. در این مقاله یک روش انتخاب ویژگی فیلتر غیرخطی بر اساس اطلاعات متقابل شرطی و مجموعه پارتو ارایه و به منظور نشان دادن کارایی آن، یک سری آزمایش ها بر روی 12 مجموعه داده آموزشی پرکاربرد انجام شده است. طبق نتایج به دست آمده، الگوریتم پیشنهادی در مقایسه با تعدادی از الگوریتم های انتخاب ویژگی اخیر از دقت بالاتری برخوردار است.