انتخاب ويژگي برخط بر اساس انتگرال فازي چوكت

انتخاب ويژگي يك فرايند پيش‌پردازش داده‌ها است كه براي مجموعه‌داده‌هاي با ابعاد بالا قبل از اجراي الگوريتم‌هاي يادگيري ماشين و داده‌كاوي مورد استفاده قرار مي‌گيرد. هدف از انتخاب ويژگي، پيداكردن يك زيرمجموعه‌ي حداقلي و بهينه از مجموعه ويژگي‌ها است. اين زيرمجموعه، ويژگي‌هاي برجسته را شامل مي‌شود در حالي كه ويژگي‌هاي غير‌مرتبط با برچسب كلاس و تكراري در آن قرار نمي‌گيرند. براي انجام اين كار، بسياري از روش‌هاي انتخاب ويژگي فعلي به كل ويژگي‌ها در ابتدا نياز دارند و درصورتي‌كه ويژگي جديدي در آينده به مجموعه ويژگي‌ها اضافه شود، الگوريتم بايد از ابتدا اجرا شود. به‌دست‌آوردن كل ويژگي‌ها و يا حتي منتظر ماندن براي آن غير‌ممكن در بسياري از كاربردهاي واقعي ممكن نيست؛ بنابراين براي اين‌گونه مسائل كه كل فضاي ويژگي در ابتدا در اختيار ما قرار ندارد، روش‌هاي انتخاب ويژگي برخط ارائه شده‌اند. در اين مقاله يك روش انتخاب ويژگي برخط با استفاده از مفهوم انتگرال فازي چوكت ارائه شده است. اين روش در ابتدا جريان‌هاي ويژگي را بر اساس چندين معيار فيلتر ارزيابي مي‌كند. سپس بر اساس عملگر چوكت نتايج آن‌ها تركيب و براي حفظ يا ناديده‌گرفتن ويژگي تصميم‌گيري مي‌شود. در گام ارزيابي، عملكرد الگوريتم پيشنهادي با شش روش انتخاب ويژگي برخط و بر اساس دو دسته‌بند مقايسه شده است. روش پيشنهادي بر اساس نتايج به‌دست‌آمده در پنج مجموعه‌داده دنياي واقعي نزديك دو درصد بهبود نسبت به روش‌هاي مشابه بر اساس معيارهاي دقت دسته‌بندي و امتيازF داشته است. همچنين به دليل محاسبات ساده در فرايند روش پيشنهادي، ارزيابي ويژگي‌ها در زمان كوتاهي انجام مي‌گيرد.