یک روش تکاملی برای طبقهبندی اعتباری مبتنی بر رویکرد تجمیع زدایی ترجیحات

مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابلتوجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیج کننیدهآنها در فضای مسیله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسایل طبقه بندی اعتباری با ابعاد بزرگ که نیاز به تصمیم گیری بلادرنگ است بسیار زمان یر وپیچیده می سیازد. بیدین منظور رویکرد تجمیع زدایییترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند.این رویکرد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است.تحت این رویکرد ، این مقاله یک روش جدیید پیشینهاد می کند که در آن الگوریتم ژنتیک استنتاج و درخاتمه فرآیند، پارامترهای استنتاج شده برای طبقه بندی داده های آزمایشی بکار گره می شوند. تحلیلآزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل ها یاستاندارد طبقه بندی دارد.