الگوریتم ژنتیک آشوبناک برای یادگیری نقشه های شناختی فازی با یادگیری ترکیبی

نقشه های شناختی فازی (FCM) یک روش محاسبات نرم برای سیستم های مدل سازی غیر خطی است که تئوری شبکه های عصبی و منطق فازی را ترکیب می نماید. روش یادگیری FCM ها یکی از مهمترین مشخصه ها است که تاثیر بالایی روی توانایی های مدل سازی و استنتاج آن ها دارند تا بتوانند دسته بندی مربوط به مسایل کاربردی را به بهترین نحو انجام دهد.در این مقاله الگوریتم یادگیری جدیدی برایFCM ها با بهره گیری از روش boostingکه مبتنی بر روش های ترکیبی(Ensemble) می باشد، پیشنهاد شده است. الگوریتم ژنتیک آشوبناک به عنوان الگوریتم پایه بکار برده می شود که توسط روش boosting ارتقا داده شده است. نتایج آزمایش بر روی پایگاه داده بیماری اوتیسم نشان می دهد که روش پیشنهادی در مقایسه با سایر روش ها از دقت دسته بندی بهتری برخوردار است.