مدلي براي كاهش ابعاد ويژگي مجموعه داده‌ها با استفاده از يادگيري عاطفي مغز

داده‌كاوي ابزاري است كه به شناسايي طرح‌هاي معتبر و قابل فهم در داده‌ها مي‌پردازد، قسمتي از اين فرآيند را پيش پردازش داده‌ها تشكيل مي‌دهد. انتخاب ويژگي يكي از مهم‌ترين اقدامات پيش پردازش داده‌هاست. از نتايج مفيد انتخاب ويژگي كاهش حجم داده‌هاي پردازشي، بهبود قابليت تعميم، افزايش سرعت و دقت الگوريتم‌هاي يادگيري را مي‌توان نام برد. در الگوريتم پيشنهادي اين مقاله از شبكه عصبي مصنوعي قابل يادگيري استفاده مي‌شود، كه از مغز انسان الهام گرفته است. اين ساختارشامل چهار بلاك اساسي است كه عبارتند از آميگدالا، اوربيتوفرانتال، سنسوري كورتكس و تالاموس. كورتكس، ساختاري رقابتي را به مدل اضافه مي‌كند. ارزيابي راهكار پيشنهادي روي مجموعه داده‌هاي معتبر UCI در مقايسه با روش‌هاي قبلي نشان مي‌دهد دقت دسته‌بندي 5 تا 7 درصد افزايش يافته است. همچنين نتايج نشان داد اين راهكار مي‌تواند در مجموعه داده‌ها با تعداد ويژگي بسيار زياد استفاده گردد.