بهبود مرحله بازیابی در استدلال مبتنی بر مورد با انتخاب نمونه و وزندهی به ویژگی هابصورت همزمان با استفاده از الگوریتم تکامل تفاضلی باینری

در این مقاله روشی برای بهبود مرحله ی بازیابی در فرایند استدلال مبتنی بر مورد ارایه شده است. اصولکار بدین صورت است که با وزندهی به ویژگی ها، تاثیر ویژگی های نامرتبط را کمتر کرده و بهویژگی های مهمتر اهمیت بیشتری داده شده است. بمنظور افزایش دقت پیش بینی و انتخاب نمونه هایبا بیشترین تاثیر، سعی شده است انتخاب نمونه های مرتبط به صورت همزمان انجام پذیرد. با این کارعلاوه بر کاهش فضای جستجو برای یافتن نزدیکترین همسایه در فرایند بازیابی، نتایج با کیفیتبالاتری نیز تولید می گردد. برای انجام همزمان این دو هدف، از الگوریتم تکامل تفاضلی باینریاستفاده شده است. روش پیشنهادی بر روی چندین مجموعه داده ی استاندارد آزمایش شده است.نتایج شبیه سازی ها نشان میدهد انجام همزمان وزندهی به ویژگی ها و انتخاب نمونه ها، دارای دقتپیش بینی بالاتری نسبت به استدلال مبتنی بر مورد کلاسیک است. بعلاوه استفاده از الگوریتم تکاملتفاضلی باینری منجر به سرعت یافتن جستجو خواهد شد.

کلیدواژه ها:

استدلال مبتنی بر مورد ، وزندهی به ویژگی ، انتخاب نمونه ، الگوریتم تکامل تفاضلی