سمیه کهریزی - کارشناسی ارشد کامپیوتر
فردین ابدالی محمدی - دانشیار دانشگاه رازی کرمانشاه

یکی از کاربردهای داده کاوی و یادگیری ماشین، طبقه بندی داده ها در کاربردهای مانند تشخیص بیماری است. یکی از روش های طبقه بندی آن است که از جند روش طبقه بندی استفاده شود و خروجی آنها بر اساس رای اکثریت تولید شود. اما چالش این روش ها در آن است که ترکیب روش های طبقه بند برای طبقه بندی داده ها باید بهینه باشد. در روش پیشنهادی برای ایجاد یک طبقه بند ترکیبی از الگوریتم برنامه نویسی ژنتیک استفاده شده تا خروجی طبقه بندی را با خطای کمتری ارائه دهد. آزمایشات انجام شده روی مجموعه داده های پایگاه داده UCI نظیر دیابت و گل های زنبق نشان می دهد که روش پیشنهادی دارای خطای کمتری نسبت به طبقه بندی های رایج است. آزمایشات نشان داد که دقت روش پیشنهادی، شبکه عصبی مصنوعی چند لایه، ماشین بردار پشتیبان، درخت تصمیم گیری، شبکه بیزین و جنگل تصادفی برای طبقه بندی بیماران دیابتی و افراد سالم به ترتیب برابر 82.14%، 75.21%، 79.13%، 76.95% و 78.26% است و روش پیشنهادی دارای دقت بیشتری در طبقه بندی است. دقت طبقه بندی روش پیشنهادی، درخت تصمیم گیری، نزدیکترین همسایه، شبکه بیزین و شبکه عصبی مصنوعی در مرحله آزمون برای طبقه بندی گلهای زنبق به ترتیب برابر 97.34%، 96%، 97.60%، 94.25% و 96.36% است و روش پیشنهادی نسبت به هریک از طبقه بندی های بکار رفته دقت بیشتری دارد.

طبقه بندی ترکیبی، داده کاوی، یادگیری ماشین، الگوریتم برنامه نویسی ژنتیک