محسن رحمانی

با افزایش روزافزون دادهها الگوریتمهای یادگیری ماشین با مشکل مواجه شدهاند انتخاب ویژگی یکی از اجزاء یادگیری ماشین است که با انتخاب ویژگیهای خوب و کاهش ابعاد دقت را افزایش میدهد یکی از روشهای انتخاب ویژگی mRMRاست که با محاسبه رابطه بین ویژگی و کلاس و رابطه بین ویژگی انتخابشده با ویژگی دیگر ویژگیهای خوب را انتخاب میکند. اینترنت اشیا بهسرعت در حال رشد است و زندگی ما را تحت تأثیر قرار میدهد. کاربردهای اینترنت اشیا شامل انواع مختلف اطلاعات است که چگونگی پردازش این دادهها و نحوه استخراج اطلاعات مفید از دادهها اهمیت دارد. امروزه استفاده از معیارهای پیچیدگی برای انتخاب ویژگی اهمیت پیداکرده است در این پژوهش نیز یک روش انتخاب ویژگی برای پردازش اطلاعات اینترنت اشیاء به نام mcmsمعرفیشده است که حداقل پیچیدگی و حداکثر سادگی را ارائه میدهد. مکانیزم این روش شبیه mRMRاست با این تفاوت که برای سنجش رابطه بین ویژگیها، بهجای معیار اطلاعات متقابل از معیار پیچیدگی استفاده مینماید. برای اعتبارسنجی پژوهش جاری، آزمایشها بر روی شش مجموعه داده ASUبرای کاربردهای IOTانجامشده و سپس نتایج بهدستآمده با نتایج سایر الگوریتمها مقایسه شدهاند که دقت بهدستآمده نسبت به سایر روشها بهتر است