یک روش دسته بندی جدید بر اساس برنامه نویسی ژنتیک با استفاده از معیار آنتروپی شانون و آنتروپی فازی

برنامه نویسی ژنتیک (GP) یک نوع الگوریتم تکاملی می باشد که برای تولید برنامه ها به صورت خودکار طراحی شده و در حل مسائل مختلف از جمله دسته بندی داده ها استفاده شده است. روش GP با تولید درخت هایی متشکل از عملگرهای حسابی و مقادیر ثابت عمل دسته بندی را انجام می دهد. درخت های تولید شده، داده های چند بعدی را به فضای یک بعدی نگاشت می کنند. لذا برای دسته بندی لازم است که فضای خروجی درخت ها برای کلاس های مختلف بر چسب گذاری شود. یک روش متداول برای این کار تقسیم فضای خروجی به صورت ایستا بین کلاس ها و ساختن درخت بهینهی دسته بند با استفاده از تکامل می باشد. برای بهبود این روش، در این مقاله فضای خروجی بر اساس میانگین و انحراف معیار داده ها بین کلاس ها به صورت پویا تقسیم شده و از معیار آنتروپی شانون و آنتروپی فازی برای تعیین شایستگی درخت ها استفاده می شود. روش جدید بر روی تعدادی از مجموعه داده های استاندارد آزمایش شده است. نتایج نشان می دهد که روش پیشنهادی در مقایسه با برنامه نویسی استاندارد دسته بند دقیق تری را تولید می کند.

کلیدواژه ها:

برنامه نویسی ژنتیک (GP) ، دسته بندی ، آنتروپی شانون ، آنتروپی فازی