روش ترکیب طبقه بند مبتنی بر الگوریتم ژنتیک چندهدفه با به کارگیری معیارهای خطای طبقه بندی، پراکندگی، گوناگونی و تراکم

ترکیب طبقه بندها، یک روش موثر در یادگیری ماشینی است که در آن با ترکیب نتایج چند طبقه بند سعی می گردد تقریب بهتری از یک طبقه بند بهینه فراهم شود. برای آنکه ترکیب نتایج طبقه بندها مفید واقع شود باید طبقه بندهای پایه ضمن برخورداری از کارایی قابل قبول، دارای خطاهای متفاوتی باشند. همچنین بایستی قاعده مناسبی برای ترکیب خروجی طبقه بندهای پایه به کار گرفته شود. روش های متعدد ترکیب طبقه بندها ارائه شده است که می توان به روش های کیسه کردن، رای گیری و روش تقویتی اشاره نمود. در این مقاله یک روش برای ترکیب نتایج طبقه بندها پیشنهاد شده است که در مرحله ترکیب طبقه بندهای پایه از جمع وزن دار خروجی طبقه بندها استفاده شده است. وزن ها با استفاده از الگوریتم ژنتیک چندهدفه با بهینه سازی هم زمان چهار معیارهای خطای طبقه بندی، پراکندگی، گوناگونی و تراکم تخمین زده می شوند. نتایج آزمایش ها روی مجموعه دادگان UCI نشان داد که روش پیشنهادی باعث افزایش دقت سیستم طبقه بندی ترکیبی نسبت به دیگر روش های متداول ترکیب می شود.

کلیدواژه ها:

ترکیب طبقه بندها ، الگوریتم ژنتیک چندهدفه ، خطای طبقه بندی ، پراکندگی ، گوناگونی ، تراکم