بررسی کارایی دسته بندی کننده های ملهم از انتخاب معکوس

سیستمهای ایمنی مصنوعی نوعی الگوریتم هوشمند هستند که از اصول و فرایندهای سیستم ایمنی بدن انسانالهام گرفته اند و قابلیت حل مسائل پیچیده را دارند مکانیزم انتخاب معکوس که یکی از مدلهای مبتنی بر ایمنی مصنوعی بشمار می آید موفقیت بسیاری در فیلد تشخیص انومالی کسب نموده است با این وجود در ابتدا گمان می شد که انتخاب معکوس از آنجایی که فاقد مکانیزمی جهت کمینه نمودن خطر همپوشانی کلاس ها می باشد کارایی چندانی در دسته بندی نخواهد داشت اما پس از سال 2006 با ارائه دسته بندی کننده هایی همچون MINSA و DAIS کارایی این ایده جهت دسته بندی داده ها تا حد زیادی به اثبات رسید بدین منظور دراین مقاله یک بررسی اجمالی از دسته بندی کننده های ملهم از انتخاب معکوس ارائه نمودیم سپس الگوریتم DAIS را برروی پایگاه داده تصویری Corel مورد ازمایش قراردادیم.

کلیدواژه ها:

الگوریتم انتخاب معکوس ، الگوریتم تولید محافظ ، پارامتر آستانه تشخیص ، دسته بندی کننده ، سیستم ایمنی مصنوعی