مهدی صالح پور - دانشجوی کارشناسی ارشد دانشکده فنی مهندسی دانشگاه شاهد
علیرضا بهراد - استادیار دانشکده فنی مهندسی دانشگاه شاهد
مجتبی مرعشی - دانشجوی کارشناسی ارشد دانشکده فنی مهندسی دانشگاه شاهد

دراین مقاله ساختار جدیدی معرفی می گردد بطوریکه کلاسهایی با همپوشانی دادگان بالا راحت تر و با خطای کمتر بتوانند از هم تفکیک گردند. روش پیشنهادی برمبنای ساختار کوهنن دولایه می باشد که از این ساختار به منظور استفاده از خوشه بندی اولیه داده های اموزش استفاده می گردد که هدف از آن افزایش بعد داده های ورودی به صورت هدفمند است تا اینکه این کلاسها بتوانند با دقت بیشتری توسط طبقه بند از هم جداشوند. به دلیل اینکه داده های ورودی همپوشانی بالایی دارند بنابراین به طبقه بندی کننده ای نیاز داریم که ماکزیمم حاشیه اطمینان را برای تفکیک کلاسها از هم داشته باشد به همین سبب از طبقه بند SVM استفاده می کنیم و از انجایی که این طبقه بند از خوشه های مختلفی استفاده می کند بصورت طبقه بندی کننده SVM فازی درامده است این الگوریتم را با داده های دهگانه ارقام دستنویس فارسی تست کرده و نتایج نشانگر برتری این الگوریتم در برابر روشهای کلاسیک SVM و MLP و همچنین روشهای 1و2 است.

ارقام دستنویس فارسی، خوشه بندی، کوهونن دو لایه، SVM فازی