فاطمه ادیب زاده - دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران
محمدحسن مرادی - دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

استفاده از ترکیب نتایج چند طبقه بندی کننده یکی از روشهای افزایش کارایی سیستمهای بازشناسی الگو است برای آنکه ترکیب نتایج طبقه بندی کننده ها مفید واقع شود، طبقه بندی کننده های پایه باید به گونه ای با شند که نقاط ضعف یکدیگر را بپوشانند. یکی از روشهای ایجاد گوناگونی در طبقه بندی کننده های یک سیستم مرکب الگوریتم تقویت تطبیقی می باشد .در این پروژه یک استراتژی برای بهبود الگوریتم تقویت تطبیقی توسط ترکیب غیر خطی طبقه بندی کننده های پایه ارائه می شود.این روش جدید بهینه سازی را بطور غیر مستقیم و بازگشتی انجام می دهد نشان می دهیم که الگوریتم تقویت مضاعف تحت شرایطی که یادگیرنده پایه موجود خطای تعلیم را کمینه کند همگرا خواهد شد. نتایج بدست آمده بر روی سه دسته دادگان استاندارد حاکی از آن است که الگوریتم تقویت درجه دو در مقایسه با الگوریتم تقویت تطبیقی بر روی مجموعه دادگان حجیم بهتر عمل می کند اما در مقابل سرعت تعلیم پایین تر خواهد بود. زمان طبقه بندی هر دو الگوریتم معادل خواه بود.

بازشناسی الگو، برچسب گذاری تصادفی، تقویت تطبیقی، تقویت درجه دو، خطای تعمیم دهی، گوناگونی در خطا