طبقه بندی احساسات با الگوریتم ژنتیک و الگوریتم LDA و KNN

فرایند تشخیص الگوهای موجود در داده ها با استفاده از الگوریتم های یادگیری ماشین است؛ درواقع یکی از رایج ترین کاربردهای یادگیری ماشین شناسایی الگو است. کامپیوترهایی که از الگوریتم های آموزش دیده استفاده می کنند به راحتی می توانند حیوانات را در عکس ها، ناهنجاری های موجود در نوسان های سهام و علائم سرطان را در ماموگرافی بسیار بهتر از انسان تشخیص دهند. پیدا کردن یک زیرمجموعه مطلوب از ویژگی ها در یک زمان معقول ، یک کار سخت است، با این حال تقریبی از زیر مجموعه ویژگی ها می تواند راه حلی برای غلبه بر پیچیدگی زمان باشد. بنابراین استفاده از یک تکنیک بهینه سازی را در انتخاب ویژگی ها برای کاهش فضای جستجو و بهبود دقت طبقه بندی امری ضروریست. هدف ما ایجاد یک سیستم تشخیص احساس با استفاده از بهینه سازی است، که تنها ویژگی هایی که اطلاعات مهم را رمزگذاری می کنند را نگه می دارد. ما یک الگوریتم ژنتیک (GA) را در ترکیب با طبقه بندی کننده خطی جداسازی (LDA) پیشنهاد می کنیم تا ترکیبی از ویژگی ها را ارزیابی کنیم، ما الگوریتم را برای تعداد محدودی از تکرارها را اجرا می کنیم تا اینکه به زیر مجموعه ای از ویژگی های به هم پیوسته برسیم که بعدها برای طبقه بندی احساسات استفاده خواهدشد. روش پیشنهادی نه تنها طبقه بندی را بهبود می بخشد، بلکه ابعاد ویژگی ها را نیز کاهش می دهد.روش پیشنهادی با بدست آوردن دقت مطلوب در یک دوره آموزش منطقی به خروجی مناسبی دست یابد.

کلیدواژه ها:

بهینه سازی ، الگوریتم ژنتیک ، یادگیری ماشین ، تحلیل احساساسات