تعیین تابع هسته تبدیل ویژگی مبتنی برهسته بر اساس معیار خمینه

تبدیل ویژگی به عنوان مرحلهای مهم در سیستم کلاسبندی میباشد. روشهای تبدیل وی ژگی به دو دسته کلی تبدیلات ویژگی مبتنی بر داده و مبتنی بر کلاسبند تقسیم بندی میشوند. روشهای تبدیل ویژگی مبتنی بر داده به توصیف دادهها توجه داشته و به خطای کلاسبندی توجهی ندارد. همچنین این روشها دارای فرضیات نادرستی رویرفتار آماری دادگان هستند. در مقابل تبدیلات ویژگی مبتنی بر کلاسبند به خطای کلاسبندی توجه دارند و توصیف دادهها را در نظر نمیگیرند. از سویی تبدیلات ویژگی تحلیل مولفههای اصلی و تحلیل متمایزساز خطی غالباً همسایگی نمونهها را در نظر نمیگیرند. مقاله حاضر روشی برای تعیین تابع هسته برای روشهای غیرخطی مبتنی بر داده بر اساسمعیار خمینه معرفی مینماید. بدین منظور از الگوریتم ژنتیک چند هدفه برای ترکیب خطی توابع هسته متداول بهره و خمینه بکار Fisher ، گرفته شده است. توابع برازندگی خطای کلاسبندی، همبستگی، اطلاعات متقابل ویژگی و کلاس خمینه و اطلاعات متقابل +Fisher+ گرفته شدند که طبق نتایج آزمایشات استفاده توأم از معیارهای اطلاعات متقابل+همبستگی+خمینه به دلیل بکارگیری اطلاعات کلاسبندی و حفظ همسایگی المانها در تعیین هسته مناسب نتایج بهتری در برداشت.

کلیدواژه ها:

تبدیل ویژگی مبتنی بر هسته ، تابع هسته ، الگوریتم ژنتیک چند هدفه ، خمینه ، خطای کلاس بندی