>
Fa   |   Ar   |   En
   روش ترکیب طبقه‌بند مبتنی بر الگوریتم ژنتیک چندهدفه با به‌کارگیری معیارهای خطای طبقه‌بندی، پراکندگی، گوناگونی و تراکم  
   
نویسنده زمانی دهکردی بهزاد ,نکویی زهره
منبع مهندسي برق دانشگاه تبريز - 1396 - دوره : 47 - شماره : 4 - صفحه:1479 -1487
چکیده    ترکیب طبقه‌بندها، یک روش موثر 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، رای‌گیری 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.
کلیدواژه ترکیب طبقه‌بندها، الگوریتم ژنتیک چندهدفه، خطای طبقه‌بندی، پراکندگی، گوناگونی، تراکم
آدرس دانشگاه آزاد اسلامی واحد شهرکرد, دانشکده فنی و مهندسی, گروه مهندسی کامپیوتر, ایران, دانشگاه آزاد اسلامی واحد شهرکرد, دانشکده فنی و مهندسی, گروه مهندسی کامپیوتر, ایران
پست الکترونیکی nekoueizohre@gmail.com
 
   Multi Objective Genetic Algorithm Based Ensemble Classifier Using Classification Error, Sparsity, Diversity and Density Criterion  
   
Authors Zamani Dehkordi B. ,Nekouei Z.
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved