دسته بندی داده های نامتوازن با استفاده از الگوریتم های تکاملی و ماشین بردار پشتیبان

کاوش داده ها در دنیای واقعی همواره با مشکل نامتوازن بودن مجموعه داده ها روبرو است. این مشکل هنگامی رخ می دهد که تعداد نمونه ها در کلاس های گوناگون اختلاف بسیاری داشته باشند. نحوه برخورد با داده های نامتوازن همواره به عنوان یک مسئله چالش پذیر در داده کاوی شناخته می شود، به نحوی که تعداد اشتباهات در شناسایی دادههای رده کوچکتر همواره با اشتباهات بسیاری روبرو است. در این مقاله یک روش جدید با استفاده از ترکیب الگوریتم های تکاملی و ماشینهای بردار پشتیبان برای حل این مشکل پیشنهاد شده است، نتایج آزمایشات بر روی شناسایی صاحب دست خط نشان دهنده کارایی روش پیشنهادی و افزایش دقت می باشد

Keywords:

الگویتم ژنتیک , استراتژی تکامل , دسته بندی , انتخاب ویژگی