بهبود طبقه بندی چند کلاسه SVM با تئوری بازی فازی

SVM یکی از روشهای معروف کلاس بندی مبتنی بر علم آمار می باشد که برای مسایل دو کلاسه ارایه شده است. با توجه به اینکه در محیط های واقعی، مساله معمولا چند کلاسه (multiclass) می باشد، روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد. در کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی، در صورت انتخاب هسته مناسب برای SVM و تنظیم پارامترهای مربوطه می توان به دقت بالایی دست یافت. این در حالی است که انتخاب هسته مناسب و تنظیم پارامترها مسئله کلاس بندی را غیر خطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. در این مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن، از تئوری بازی که قادر خواهد بود مسئله غیرخطی مورد نظر ما را به یک مسئله خطی نگاشت نماید، استفاده می شود. تئوری بازی ارایه شده با استفاده از دو بازیکن (که در مسئله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است)، ماتریس تصمیم از دید منطق فازی و حل معادلات حاصل به کمک برنامه ریزی خطی، احتمال داده در هر کلاس را محاسبه می نماید. نتایج آزمایشات موید این مطلب است که مدل پیشنهادی در مقایسه با مدل های دیگر SVM دقت و سرعت قابل قبولی از خود نشان می دهد.

کلیدواژه ها:

SVM ، جداسازی چند کلاسه ، تئوری بازی فازی ، برنامه ریزی خطی فازی