یک روش تکاملی برای طبقه بندی اعتباری مبتنی بر رویکرد تجمیع زدایی ترجیحات

Abstract

مدل های مبتنی بر روابط برتری یک شاخه مهم از روشهای تصمیم چندمعیاره هستند که نیاز به تعریف مقدار قابل<br />توجهی اطلاعات ترجیحی در قالب پارامترها توسط تصمیم گیرنده دارند. تعدد پارامترها، معنای اغلب گیی کننیده<br />آنها در فضای مسئله و طبیعت غیردقیق دادهها، این فرآیند را خصوصاً در مسائل طبقه بندی اعتباری با ابعیاد بیزر<br />که نیاز به تصمیمگیری بلادرنگ است بسیار زمانبیر و پییییده میی سیازد. بیدین منریور روی یرد ت مییی زداییی<br />ترجیحات این اطلاعات را از طریق قضاوتهای جامعی که توسط تصمیم گیرنده فراهم می شوند استنتاج می کند.<br />این روی رد در تصمیم گیری چندمعیاره معادل یادگیری ماشینی در حوزه هوش مصنوعی است.<br />تحت این روی رد، ایین مقالیه ییک روش جدیید پیشینهاد میی کنید کیه در آن الریوریتم ینتییک طیی فرآینید<br />یادگیری، به طور همزمان تمامی پارامترهای میدل ELECTRE TRI را از داده هیای آموزشیی اسیتنتاج و در<br />خاتمه فرآیند، پارامترهای استنتاج شده بیرای طبقیه بنیدی داده هیای آزمایشیی ب یار گرفتیه میی شیوند. تحلییل<br />آزمایشات روی دیتاست های اعتباری نشان از کیفیت بالا و قابل رقابت روش پیشنهادی در مقایسه با مدل هیا ی<br />استاندارد طبقهبندی دارد.