انتخاب ويژگي بر پايه الگوريتم ژنتيك تركيبي با كمك قابليت هاي CUDA روي داده هاي بزرگ

انتخاب ویژگي توجه بسياری از حوزه های تحقيقاتي در سال های اخير بویژه در حوزه داده های با ابعاد بالا را به خود جلب كرده است. از آنجایي كه تكنيك های سنتي در این زمينه كارایي كمتری برای كار با داده ها با ابعاد بزرگ دارند. لذا در این مقاله كه برای انجام عمل انتخاب ویژگي روی داده های بزرگ صورت گرفته است، از یك روش تركيبي كه در درون آن جستجوی محلي برای بالا بردن سرعت همگرایي الگوریتم با استفاده از جدا سازی ویژگي ها به دو دسته متمایز و شبيه استفاده شده است. همچنين برای بدست آوردن دقت در محاسبه برازندگي افراد از روش K-means استفاده شده است. با موازی سازی این الگوریتم به روش پایه- پيرو و پياده سازی آن روی كارت گرافيك و قدرت بالای كارت گرافيك در پردازش موازی داده ها توانسته ایم سرعت كار روش را به مقدار قابل توجه ای بالا ببریم. استفاده از كارت گرافيك به كمك زبان برنامه نویسي CUDA زمان اجرای الگوریتم را به حدود یك دوم كاهش مي دهد. آزمایش حاصل كه برروی 16 دیتاست صورت گرفته است نشان مي دهد كه سرعت اجرای الگوریتم در حالت موازی حدوده دوبرابر بيشتر از حالت سری الگوریتم مي باشد.