مروری بر الگوریتم تکاملی چند هدفه برای تولید نمونه اولیه

تولید نمونه اولیه با مساله ایجاد مجموعه کوچکی از نمونه ها، از مجموعه داده بزرگ، که برای طبقه بندی مور استفاده قرارمی گیرد. سروکار دارد. دو جنبه کلیدی که در هنگام توسعه یک روش تولید نمونه اولیه در نظر گرفته می شوندعبارتند از: 1) عملکرد تعمیم یک طبقه بندی کننده KNN هنگامی که از نمونه های اولیه استفاده می کند. و 2) مقدار کاهش داده، همانطور که توسط تعداد نمونه های اولیه مشخص شد هر دو عامل در تعارض هسند زیرا به طوری کلی، به حداکثر رساندن کاهش تنظیم داده ها دلالت بر کاهش دقت و عدم قطعیت دارد. بنابراین این مساله را می توان به طور طبیعی با تکنیک های بهینه سازی چند هدفه بیان کرد این مقاله یک الگوریتم تکاملی چند هدفه جدید برای تولید نمونه اولیه معرفی می کند که در آن اهداف دقیقا میزان کاهش و برآورد عملکرد تعمیم داده شده توسط نمونه های اولیه انتخاب شده هستند.

کلیدواژه ها:

تولید نمونه اولیه ، الگوریتم های تکاملی ، طبقه بندی INN ، بهینه سازی چندهدفه