بهبود الگوریتم ماشین بردار پشتیبان فازی با رویکرد خوشه بندی در مسائل طبقهبندی

ماشین بردار پشتیبان به طور گستردهای در کاربردهای عملی طبقهبندی و رگرسیون مورد استفاده قرار میگیرد. عملکرد این مدل درمسائل روزمره موجب شده است که برای بهبود آن تلاشهای بسیاری صورت بگیرد. از جمله روشهای فازی در این مدل برای بهبود عملکرد آن در حضور نایقینی و دادههای پرت مورد استفاده قرار گرفتهاند. در این مقاله با کمک ماشین بردار پشتیبان فازی و استفاده از روشهای خوشه بندی، شیوه جدیدی برای مسائل طبقهبندی چند کلاسه طراحی شده است. روش خوشه بندی مورداستفاده، بیشینه سازی ضریب بخش می- باشد که با استفاده از تغییر مفهومی به نام هسته خوشه، بهبود پیدا نموده است. سپس ضرایب عضویت هر نقطه با توجه به نتیجه خوشه بندی تعیین شده و ماشین بردار پشتیبان فازی بر مبنای روش یکبهیک برای مسائل چند کلاسه طراحی شده است. نتایج شبیه سازی بر روی 5 مجموعه داده واقعی نشان میدهد که عملکرد ماشین بردار پشتیبان فازی بهبود قابل توجهی داشته است

کلیدواژه ها:

روشهای خوشه بندی ، شناسایی الگو ، طبقه بند فازی ، ماشین بردار پشتیبان