استخراج طبقهبندهای عام[1] و قابل فهم از داده، نقش مهمی در بسیاری از حوزهها و مسائل است. تاکنون روشهای متعددی برای طبقهبندی[2] و تشخیص الگو[3] معرفی شده است. یکی از شیوههای موفق و منحصربهفرد در حوزه طبقهبندی و تشخیص الگوی دادههای ورودی، استفاده از تکنیکهای فازی برای تقسیمبندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیرفضاها برای تصمیمگیری و طبقهبندی بهصورت فازی میباشد. اینکه بتوان بهترین و کارا ترین قوانین فازی را از روی داده استخراج کرد هنوز زمینه بسیار مهمی برای محققان است. در این مطالعه یک روش نوین برای وزندهی به قوانین فازی با استفاده از الگوریتم تکاملی رقابت استعماری ارائه شده است تا بتوان قوانین مهمتر را با استفاده از وزنهای بهینه شده بیشتر در نظر گرفت. در این پایاننامه، عملگرهای الگوریتم رقابت استعماری برای ساختن مناسب قوانین فازی مجددا تعریف میشوند درواقع تکنیک Ishibuchiبرای فاز اول یعنی تولید قوانین و تکنیک رقابت استعماری برای فاز دوم یعنی وزندهی به آنها ارائه شده است. در گام بعدی، تولید و تکامل قوانین فازی با الگوریتم رقابت استعماری پیشنهاد شده است. این روش باعث افزایش کارایی طبقهبندی کننده برای نرخ طبقه بندی میشود. درنهایت، هدف، ساختن یک مجموعه قانون فشرده با تعداد کم قوانین است که این قوانین دارای طول کوتاه و در نتیجه تفسیرپذیری بالا هستند. الگوریتم پیشنهادی با طبقه بندی کنندههای پایه غیرفازی مانند SVM، C4.5، 1NN و Naive Bayes و الگوریتمهای طبقه بندی کننده فازی که توضیح داده خواهد شد مقایسه و ارزیابی میشود. واژههای کلیدی: طبقهبندی، تشخیص الگو، الگوریتم رقابت استعماری، طبقه بندی کنندههای فازی، طبقه بندی کنندههای غیر فازی، وزندهی قوانین. فهرست مطالب عنوان صفحه فصل اول |