روش ترکیب طبقهبند مبتنی بر الگوریتم ژنتیک چندهدفه با بهکارگیری معیارهای خطای طبقهبندی، پراکندگی، گوناگونی و تراکم
نویسندگان
1 دانشگاه آزاد اسلامی - واحد شهرکرد - دانشکده فنی و مهندسی - گروه مهندسی کامپیوتر
2 دانشگاه آزاد اسلامی - واحد شهرکرد - دانشکده فنی و مهندسی - گروه مهندسی کامپیوتر
doi
چکیده
ترکیب طبقهبندها، یک روش مؤثر در یادگیری ماشینی است که در آن با ترکیب نتایج چند طبقهبند سعی میگردد تقریب بهتری از یک طبقهبند بهینه فراهم شود. برای آنکه ترکیب نتایج طبقهبندها مفید واقع شود باید طبقهبندهای پایه ضمن برخورداری از کارایی قابل قبول، دارای خطاهای متفاوتی باشند. همچنین بایستی قاعده مناسبی برای ترکیب خروجی طبقهبندهای پایه به کار گرفته شود. روشهای متعدد ترکیب طبقهبندها ارائه شده است که میتوان به روشهای کیسه کردن، رأیگیری و روش تقویتی اشاره نمود. در این مقاله یک روش برای ترکیب نتایج طبقهبندها پیشنهاد شده است که در مرحله ترکیب طبقهبندهای پایه از جمع وزندار خروجی طبقهبندها استفاده شده است. وزنها با استفاده از الگوریتم ژنتیک چندهدفه با بهینهسازی همزمان چهار معیارهای خطای طبقهبندی، پراکندگی، گوناگونی و تراکم تخمین زده میشوند. نتایج آزمایشها روی مجموعه دادگان UCI نشان داد که روش پیشنهادی باعث افزایش دقت سیستم طبقهبندی ترکیبی نسبت به دیگر روشهای متداول ترکیب میشود.
