بهينه سازي انتخاب زيرمجموعه ويژگي با الگوريتم حريصانه پروسيجر تطابقي تصادفي (GRASP)

در اين مقاله يك متد جديد از الگوريتم GRASP جهت انتخاب زير مجموعه‌اي از ويژگي‌هاي موجود در داده اطلاعاتي جهت بالا بردن سرعت داده كاوي و بهينه كردن الگوريتم‌هاي داده كاوي پيشنهاد مي‌شود. در اين رويكرد ما ازفيلترهاي آنتروپي ، ضريب همبستگي و اطلاعات به دست آمده جهت انتخاب زير مجموعه اوليه استفاده مي كنيم. در مرحله بعد با استفاده از الگوريتم‌هاي توليد زير مجموعه همسايگي كه اين الگوريتم ها عبارتند از: تبادل دو به دو مجاورتي ، تبادل دو به دو به طور كامل ، بالاترين اولويت از مقابل و الگوريتم متغير همسايگي . و يك زير مجموعه بهينه با استفاده از الگوريتم هاي روش كلاسبندي مبتني بر نمونه از ويژگي ها موجود در داده انتخاب شده و بقيه ويژگي‌ها از داده حذف شده و بدين ترتيب پروسه داده كاوي در آينده با سرعت بيشتر و با دقتي بسيار نزديك به اطلاعات قبل از حذف ويژگي‌هاي زائد به دست مي آوريم.