Resumo
A seleção de características é o processo de redução da dimensão de um conjunto de dados, realizadoatravésdaescolhadosatributosquecontémmaiorrelevânciaemsuasinformações. Nesse contexto, a seleção dos atributos mais representativos para as aplicações, visa a melhoria do conjunto de dados, bem como atenuar problemas relacionados a ruídos, e também, o da alta dimensionalidade que podem afetar o preditor. Neste trabalho, são propostas três versões binárias para o algoritmo otimizador de fluxo de água (water flow optimizer, WFO), os métodos propostos são introduzidos abordando o problemadeseleçãodecaracterísticasvisandomanterouatémesmomelhorarodesempenho do classificador floresta de caminhos ótimos (optimum-path forest, OPF), que por sua vez é um classificador de fácil desenvolvimento que trata problemas com múltiplas classes e é independente de parâmetros. A meta-heurística WFO, é um algoritmo evolutivo recente, inspirado na forma do fluxo de água na natureza, em que visa simular através de seus operadores, o fluxo laminar e o fluxo turbulento, que dão nome aos operadores. Entretanto, a meta-heurística em sua versão original é capaz de solucionar apenas problemas de otimização contínua. Em vista disso, o primeiro método é proposto como uma primeira versão binária para a meta-heurística, em que seus operadores foram remodelados visando gerar apenas soluções binárias. A proposta inicial busca no espaço de solução encontrar os atributos de maior relevância, com base em sua aptidão. O segundo método proposto é semelhante ao primeiro, exceto que o seu diferencial é que a quantidade de atributos a serem selecionados é previamente definida, tendo assim, o tamanho fixo. A terceira proposta busca aumentar a capacidade de redução de atributos quando comparado a primeira proposta, assim os operadores foram aprimorados para que o método realize a tarefa com uma taxa maior de remoção de atributos irrelevantes do conjunto de dados. Foram realizados simulações computacionais para fazer uma análise comparativa entre os métodos propostos e os métodos clássicos de redução de dimensionalidade, mais especificamente com a análise de componentes principais (principal component analysis, PCA) e análise discriminante linear (linear discriminant analysis, LDA), e com as meta-heurística busca cuco binário (binary cuckoo search, BCS), otimização de ondas de água binário (binary water wave optimization, BWWO) e o algoritmo do morcego binário (binary bat algorithm, BBA). Com base nos expe