انجمن کامپیوتر ایران

در سال‌های اخیر و با رشد روز افزون داده‎ها، حجم انبوهی از داده‎ها ذخیره و نگه‎داری می‌شوند که تمام این داده‌ها جهت استفاده مجدد مورد نیاز نخواهند بود. یکی از روش‎های کاهش حجم داده‎های تکراری و کم اهمیت، روش انتخاب ویژگی‎های مهم می‌باشد. این مقاله با استفاده از الگوریتم بهینه‎سازی کلونی مورچگان که به عنوان یک روش ابتکاری مطرح است، به دنبال کاهش ابعاد مجموعه‎داده‎ها با حفظ عملکرد اولیه داده‎ها می‌باشد. از روش Wrapper و شبکه عصبی برای انتخاب ویژگی‎ها استفاده شده است. در این مقاله محاسبه فاصله ویژگی‎ها (η) با دو روش SUFC و SUFF انجام خواهد شد. نتایج نشان‏ دهنده عملکرد مناسب الگوریتم در مجموعه ‎داده‎های بزرگتر می‌باشد.