استفاده از رویکرد هوش جمعی در طراحی بهینه سیستم های طبقه بندی مبتنی بر قواعد فازی

طبقه­بندی کننده­های فازی به عنوان نمونه­ای از سیستم های فازی، از کارامدترین روش های طبقه­بندی در علم بازشناسی الگو به شمار می روند. این طبقه­بندی کننده ها از پارامترهای ساختاری متنوعی تشکیل شده اند که هر یک از آن ها به نوبه خود بر روی عملکرد آن ها تاثیر به سزایی دارد. نوع و مکان توابع عضویت، و همچنین نوع قواعد فازی از نظر ترکیب مقدم ها و موخرها از مهم ترین این پارامترها به شمار می آیند. معمولا چالش اصلی در طراحی و پیاده سازی چنین طبقه­بندی کننده هایی انتخاب بهینه همین پارامترها به منظور دستیابی به بهترین عملکرد است. در این مقاله با به کارگیری الگوریتم جستجوی گرانشی روشی به منظور بهینه­سازی پارامترهای طبقه­بندی کننده های فازی، اعم از شکل و مکان توابع عضویت و همراه با آن استخراج قواعد فازی بهینه ارائه شده است. روش پیشنهادی در مواجهه با مجموعه داده هایی با بردارهای ویژگی که از نظر تعداد، ابعاد، و تداخل کلاس های مرجع از پیچیدگی قابل قبولی برخوردارند، به محک آزمایش سپرده شده است. نتایج مقایسه ای به دست آمده از این آزمایشات نشان می دهد که روش ارائه شده از عملکرد بهتری نسبت به سایر روش های مشابه که مبتنی بر روش های ژنتیک و بهینه­سازی گروه ذرات می باشند، برخوردار است.

Keywords:

الگوریتم جستجوی گرانشی , قواعد فازی , توابع عضویت , طبقه بندی کننده