ارائه راهكار جديد بمنظو ر تحليل داده هاي بزرگ مبتني برالگوريتم هاي هوش جمعي

با پيشرفت روز افزون تكنولوژي در زمينه داده‌كاوي در زمينههاي علمي مختلف، مجموعه داده‌هاي با ابعاد بسيار بالا در حال افزايش است كه منجر به كاهش كارايي مي شود. لذا نياز به كاهش حجم اين مجموعه داده‌ها امري ضروري است. در مسئله كاهش ابعاد داده ما مي‌توانيم با استفاده از انتخاب ويژگي اين كار را انجام دهيم. اين مقاله در زمينه انتخاب ويژگيهاي موثر از بين تمامي ويژگيها با استفاده از الگوريتمهاي هوش جمعي با هدف كاهش ابعاد دادههاي بسيار بزرگ به منظور مقايسه كارايي دو الگوريتم ارائه شده است. در اين مقاله براي پيدا كردن زيرمجموعه بهينه از ويژگيها از دو الگوريتم هوش جمعي(الگوريتم چندهدفه ژنتيك و الگوريتم چندهدفه ازدحام ذرات) با استفاده از طبقه بند SVM استفاده شده است. بطور دقيقتر ما به دنبال يك مجموعه موثر از ويژگيها به منظور توليد بالاترين نرخ ممكن از دقت وصحت انتخاب ميباشيم. با توجه به نتايج بدست آمده در اين مقاله، آزمايش بر روي مجموعه دادههاي با ابعاد بالا نشان ميدهد كه روش پيشنهادي ما در رسيدن به كاهش ابعاد بيشتر از داده ها از خطاي كمتري برخوردار است.