بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری

ماشینهای بردار پشتیبان یک روش دسته بندی معروف و قدرتمند باکاربردهای بسیارمتنوع می باشد. تنظیم بهینه پارامترهای ماشین بردارپشتیبان نقش مهمی در عملکرد و دقت دسته بندی دارد. هدف در این مقاله بدست آوردن مقادیر بهینه پارامترجریمه خطا C و پارامتر تابع هستهYبا بهره مندی از قدرت جستجوی الگوریتم رقابت استعماری می باشد که در این مقاله به آنICA-SVMگفته می شود. الگوریتم رقابت استماری یک الگوریتم بهینه سازی جدید می باشد که از تکامل رفتار اجتماعی و سیاسی کشورها الهام گرفته شده است. به عنوان دو مسئله متداول تشخیص الگو با ابعاد ویژگی « داده های بیماری قلب » و « داده های سرطان سینه » دو مساله دسته بندی متفاوت برای سنجش کارایی دسته بندی کننده پیشنهادی در نظر گرفته شده اند. روش پیشنهادی با روش جستجوی شبکه که ازروشهای متداول جستجو مقادیر پارامترهای ماشین بردار پشتیبان می باشد، روش ژنتیکGA-SVMو روش بهینه سازی گروه ذرات PSO-SVM مقایسه گردیده است. نتایج پیاده سازی ها نشان می دهد که دقت دسته بندی روش پیشنهادی ازروش جستجوی شبکه بهتر و قابل مقایسه و اندکی بهتر از روش ژنتیک وروش بهینه سازی گروه ذرات می باشد

کلیدواژه ها:

الگوریتم رقابت استعماری ، ماشین بردار پشتیبان ، بهینه سازی پارامتر ، تشخیص الگو