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

Abstract

طبقه­بندی کننده­های فازی به عنوان نمونه­ای از سیستم‌های فازی، از کارامدترین روش‌های طبقه­بندی در علم بازشناسی الگو به شمار می‌روند. این طبقه­بندی کننده‌ها از پارامترهای ساختاری متنوعی تشکیل شده‌اند که هر یک از آن‌ها به نوبه خود بر روی عملکرد آن‌ها تأثیر به سزایی دارد. نوع و مکان توابع عضویت، و همچنین نوع قواعد فازی از نظر ترکیب مقدم‌ها و مؤخرها از مهم‌ترین این پارامترها به شمار می‌آیند. معمولاً چالش اصلی در طراحی و پیاده سازی چنین طبقه­بندی کننده‌هایی انتخاب بهینه همین پارامترها به منظور دستیابی به بهترین عملکرد است. در این مقاله با به‌کارگیری الگوریتم جستجوی گرانشی روشی به منظور بهینه­سازی پارامترهای طبقه­بندی کننده‌های 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 داده‌هایی با بردارهای ویژگی که از نظر تعداد، ابعاد، و تداخل کلاس‌های مرجع از پیچیدگی قابل قبولی برخوردارند، به محک آزمایش سپرده شده است. نتایج مقایسه‌ای به دست آمده از این آزمایشات نشان می‌دهد که روش ارائه شده از عملکرد بهتری نسبت به سایر روش‌های مشابه که مبتنی بر روش‌های ژنتیک و بهینه­سازی گروه ذرات می‌باشند، برخوردار است.