علی یعقوبی - کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد فردوس
زهرا طاهری - کارشناس ارشد علوم کامپیوتر، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)
حمیدرضا غفاری - دکترای مهندسی نرم افزار، عضو هیئت علمی دانشگاه آزاد فردوس

مهمترین گام در تشخیص الگو آماری، طبقه بندی الگوها می باشد. یکی از روش هایی که در این زمینه مطرح است آنالیز تفکیک کننده خطی می باشد که این روش با استفاده از اطلاعات تفکیک کننده موجود در بین الگوها، اقدام به طبقه بندی می کند. این تفکیک کننده از اطلاعات تفکیک کننده موجود بین ماتریس کواریانس کلاس ها نیز بهره می برد. با انجام این کار آنالیز تفکیک کننده به حالت ناهمگن آن گسترش پیدا می کند. در این مقاله قصد داریم که با استفاده از الگوریتم جدیدی، الگوهای مرزی و غیرمرزی را از یک دیگر جدا کرده و ماتریس های پراکندگی مورد استفاده در آنالیز تفکیک کننده خطی ناهمگن را بر اساس این الگوها بسازیم. استفاده از این ماتریس های پراکندگی باعث کاهش همپوشانی بین کلاسی می شوند که افزایش نرخ طبقه بندی را به دنبال دارد. آزمایشات انجام شده در این مقاله بهبود نرخ طبقه بندی را نتیجه می دهد.

الگوریتم CBP، آنالیز تفکیک کننده خطی، فاصله پرنوف، معیار پرنوف، معیار فیشر، نمونه های مرزی و غیرمرزی