ارائه يك روش انتخاب ويژگي بر اساس مجموعه هاي فازي مردد براي يادگيري چندبرچسبي

امروزه روش هاي مبتني بر انتخاب ويژگي با توجه به افزايش داده هاي حجيم مورد توجه قرار گرفته اند. علاوه بر اين با توليد مداوم داده هاي مختلف و نيز ابعاد بالاي اين داده ها، روش هاي مؤثر در كاهش ابعاد به ويژه انتخاب ويژگي مورد نياز هستند. بسياري از داده ها را مي توان در گروه داده هاي چندبرچسبي قرار داد. به اين معنا كه هر نمونه در مجموعه داده مي تواند متعلق به بيش از يك كلاس داده باشد. در اين مقاله، يك روش انتخاب ويژگي مبتني بر مجموعه هاي فازي مردد براي كاهش ايعاد داده هاي چندبرچسبي مبتني بر مفهوم مجموعه هاي فازي مردد ارائه شده است. در اين روش ما از تركيب سه معيار مختلف در اندازه گيري همبستگي بين ويژگي ها وبرچسب ها و همچنين سه معيار شباهت براي اندازه گيري شباهت بين ويژگي ها استفاده كرده ايم. در واقع هر كدام از اين روش ها را به عنوان يك خبره براي تصميم گيري در انتخاب ويژگي درنظر گرفته ايم. تركيب روش هاي همبستگي و شباهت بر اساس مفهوم انرژي اطلاعات در مجموعه هاي فازي مردد انجام گرفته است. براي اثبات مؤثر بودن روش پيشنهادي، مقايساتي با روش هاي جديد در حوزه انتخاب ويژگي چندبرچسبي صورت گرفته است. اين مقايسات براساس معيار هاي دقت، زيان همينگ و زمان اجراي الگوريتم انجام شده اند.