طبقه بندی پایگاه داده Iris با استفاده ازطبقه بند عصبی فازی

این مقاله به پیاده سازی طبقه بند عصبی فازی بر روی پایگاه داده ی Iris خواهد پرداخت. این پایگاه داده 4 ویژگی از 3 نوع گل به نام های setosa،versicolor و virginica را شامل می شود. 4 ویژگی استفاده شده عبارت اند از طول و عرض گلبرگ و طول و عرض کاسه برگ. از هر نوع نوع گل50 نمونه وجود دارد بنابراین داده های این مجموعه را می توان شامل 150 مشاهده دانست که هر کدام از مشاهدات شامل 4 ویژگی می باشند. این پایگاه داده در نرم افزار متلب موجود است و توسط دستور load fisheriris و یا load iris.datمی توان به آن دسترسی داشت. یک سیستم منطق فازی (FLS) را میتوان به صورت یک نگاشت غیرخطی از مجموعه داده ورودی به داده اسکالر خروجی تعریف کرد. یک FLS از چهار بخش اصلی تشکیل شده است: fuzzifier، rules، inference engine و defuzzifier. روشی که برای این مقاله انتخاب شده است، ترکیب الگوریتم طبقه بند عصبی فازی که با استفاده از متلب پیاده سازی می شود.دیتابیسی که برای تست الگوریتم انتخاب شد، دیتابیسIRIS (عنبیه) می باشد. این دیتابیس از چهار متغییر ورودی تشکیل شده است و یک خروجی دارد که مشخص کننده کلاس مورد نظر می باشد.

کلیدواژه ها:

حداکثر طبقه بند عصبی ، دیتابیسIRIS ، منطق فازی