Nitelik seçimi için diferansiyel gelişim ve yapay arı kolonisinin bir hibrit yaklaşımı

Bu çalışmada, sınıflandırma işlemlerindeki nitelik seçme problemi için Yapay Arı Kolonisi Optimizasyon Tekniği ile Diferansiyel Gelişim Algoritmasını birleştiren bir hibrit yöntem önerilmektedir. Önerilen hibrit yöntem sınıflandırma problemlerinde sıklıkla kullanılan, UCI Veri Kaynağı'ndan elde edilen on beş veri kümesi üzerinde test edilmiştir. Aynı zamanda, önerilen hibrit yöntem performans değerlendirmesi için popüler üç nitelik seçme tekniği olan Ki-kare (ChiSquare), Bilgi Kazancı (Information Gain) ve Korelasyon Nitelik Seçimi (Correlation Feature Selection) ile kıyaslanmıştır. Bu çalışmanın amacı çalışma zamanı performansını ve sınıflandırıcının doğruluğunu iyileştirmek için sınıflandırma işlemi sırasında kullanılan nitelik sayısını azaltmaktır. Bu çalışmada elde edilen deney sonuçları geliştirdiğimiz hibrit yöntemin sınıflandırma işlemleri için iyi nitelikleri seçebildiğini göstermiştir.