طراحی طبقه بندی کننده های چند هدفه با استفاده از روش CFO

در طراحی طبقه بندی کننده ها و تخمین توابع تصمیم، غالبا هدف اصلی دسترسی به «نرخ تشخیص صحیح» بالا در فاز آموزش است. این در حالی است که اهداف دیگری نظیر میزان «قابلیت اطمینان» تصمیمات اتخاذ شده و «تعداد بهینه توابع تصمیم» نیز شاخص های بسیار مهمی هستند که در هنگام طراحی طبقه بندی کننده ها، هرگز نباید فراموش شوند. در این مقاله، ابتدا الگوریتم «بهینه سازی نیروی مرکزی» (CFO) برای بهینه سازی مسایل چند هدفه ارتقا یافته و سپس با به کارگیری روش ارائه شده طبقه بندی کننده هایی معرفی شده اند که به طور همزمان اهداف فوق الذکر؛ یعنی «نرخ تشخیص صحیح»، «قابلیت اطمینان»، و «تعداد ابر صفحه های لازم» را بهینه سازی می نماید. با توجه به انتخاب مقدار بهینه تعداد ابرصفحه ها در روش پیشنهادی، مسایل مهم «فوق- برازش» و «فوق-آموزش» نیز برطرف شده است. توانایی دستیابی همزمان به شاخص های مذکور در سایر طبقه بندی کننده های مبتنی بر روش های هوش جمعی وجود ندارد. نتایج عملی به دست آمده بر روی داده های آزمایشی نشان می دهند که طبقه بندی کننده چند منظوره پیشنهادی با تخمین «جبهه پرتو» مجموعه ای از انتخاب های متنوع و بهینه از ابرصفحه های جدا کننده کلاس های مختلف را برای برپایی شرایط دلخواه کاربر در خصوص انتخاب شاخص های فوق الذکر، فراهم می آورد.

کلیدواژه ها:

تشخیص الگو ، روش هوشمند CFO ، طبقه بندی کننده های چند هدفه