یک الگوریتم کیسه بندی جدید مبتنی بر شبکه های عصبی-فازی جهت رده بندی داده های نامتوازن

در این تحقیق، سعی شده است یک الگوریتم کیسه بندی بهینه، مبتنی بر شبکه های عصبی-فازی انفیس جهت رده بندی داده های نامتوازن ارایه شود. این الگوریتم کیسه بندی با روش های شبکه عصبی مصنوعی ، جنگل تصادفی ، انفیس و یک روش ترکیبی دیگر که دارای فنون افزایش نمونه های کلاس اقلیت، کاهش نمونه های کلاس اکثریت و هسته ی درخت C4.5 است، مقایسه می شود. برای مقایسه این روش ها با یکدیگر از معیارهای ارزیابی دقت ، حساسیت ، ویژگی ، صحت ، نرخ خطا ، G-mean، F-Measure، زمان و مساحت زیر منحنی ROC استفاده می شود. در بخش نتیجه گیری، بیان می شود که روش پیشنهادی، دارای دقت بیشتر، معادل 95/92% در مورد داده های آموزشی و 27/93% در مورد داده های آزمون ، نسبت به روش های رقیب دیگر است. همچنین مدت زمان اجرای الگوریتم پیشنهادی، نسبت به روش های دیگر، با عدد 8/77 ثانیه، قابل قبول و مناسب است.

کلیدواژه ها:

رده بندی ، داده های نامتوازن ، کیسه بندی ، رده اکثریت ، رده اقلیت