استخراج قواعد موثر فازی در طبقه بندی کننده های فازی با استفاده از الگوریتم ابتکاری cfo
چکیده
علم بازشناسی الگو گستره وسیعی از عملیات پردازش داده -از اخذ داده و استخراج ویژگی گرفته تا طراحی روشهای مختلف طبقه بندی و خوشه یابی- را در بر می گیرد. با توجه به اینکه، طبقهبندی داده های آموزشی و ارزیابی آن در مواجهه با داده های آزمایشی، از اصلیترین شاخه های علم بازشناسی الگو میباشد، طبقهبندی کنندههای بسیاری معرفی و طراحی شده است. طبقهبندی کنندههای فازی، از جمله این طبقهبندی کنندهها میباشد، که عملکرد آن شدیدا وابسته به پارامترهای ساختاریاش، نظیر شکل و مکان توابع عضویت، نوع و تعداد قواعد فازی و ...است. در گذشته از روشهای کلاسیک نظیر درخت تصمیم، تکنیکهای خوشه یابی برای یافتن مقدار مناسبی برای پارامترهای ساختاری استفاده میشده است، اما اخیرا با گسترش استفاده از الگوریتمهای هوشمند در مسائل مختلف مهندسی، و کاربرد موفقیت آمیز این الگوریتمها در تعلیم پارامترهای ساختاری طبقهبندی کنندههای فازی، استفاده از این الگوریتمها در این زمینه به یک محور اصلی پژوهشی در بازشناسی الگو تبدل شده است. تا کنون الگوریتمهای بسیاری نظیر ga، pso، gsa، aco و ... در روشهای گوناگون، برای طراحی یک طبقهبندی کننده فازی بکار گرفته شدهاست. در این پایان نامه یک روش جدید مبتنی بر الگوریتم بهینهسازی نیروی مرکزی (cfo)، برای یافتن خودکار مقدار بهینه و موثر پارامترهای ساختاری طبقهبندی کنندههای فازی، ارائه شدهاست. در این راستا، پنج طبقهبندی کننده فازی متفاوت، که در هر کدام یک سری از پارامترهای ساختاری به طور همزمان توسط الگوریتم بهینهسازی نیروی مرکزی بهینه میشود، شبیهسازی و سپس بر چندین مجموعه داده مشهور در پردازش الگو، محک زده شد.نتایج حاصل، کارایی روش پیشنهادی در این تحقیق را تأیید میکند.