طبقه بندی و تشخیص الگو بوسیله الگوریتم بهینه سازی مورچگان
چکیده
.در این پایان نامه یک روش خودآموز جدید در طبقه بندی نیمه نظارتی با استفاده از الگوریتم بهینه سازی مورچگان، معرفی خواهیم کرد. در طبقه بندی نیمه نظارتی تعداد زیادی داده یدون برچسب همراه با تعداد کمی داده برچسب دار به صورت هم زمان برای بهبود دقت طبقه بندی استفاده می شود. روش پیشنهادی در این پایان نامه هیچ فرضی راجع به چگونگی توزیع داده ها ندارد. همچنین نیازی به تنظیم پارامتر آزاد توسط کاربر نمی باشد. الگوریتم پیشنهادی با استفاده از تعدادی داده مصنوعی و نیز تعدادی داده طبیعی از نظر دقت، بیشینه و کمینه با اندازه متوسط $ f_1 $ ارزیابی می شود. نتایج بدست آمده با دو روش طبقه بندی نظارتی و سه روش طبقه بندی نیمه نظارتی مقایسه می گردد. همچنین این الگوریتم از نظر آماری با استفاده از آزمون تی زوجی مورد تایید می باشد. نتایج تجربی بالقوه بودن الگوریتم پیشنهادی را نشان می دهد.