بهينه سازي پارامترهاي ماشين بردار پشتيبان مبتني بر الگوريتم رقابت استعماري

ماشینهاي بردار پشتیبان یك روش دسته بندي معروف و قدرتمند باكاربردهاي بسیارمتنوع می باشد. تنظیم بهینه پارامترهاي ماشین بردار و پارامتر (C) پشتیبان نقش مهمی در عملكرد و دقت دسته بندي دارد. هدف در این مقاله بدست آوردن مقادیر بهینه پارامترجریمه خطا گفته می شود. ICA-SVM با بهره مندي از قدرت جستجوي الگوریتم رقابت استعماري می باشد كه در این مقاله به آن (઻) تابع هسته الگوریتم رقابت استماري یك الگوریتم بهینه سازي جدید می باشد كه از تكامل رفتار اجتماعی و سیاسی كشورها الهام گرفته شده است. به عنوان دو مسئله متداول تشخیص الگو با ابعاد ویژگی « داده هاي بیماري قلب » و « داده هاي سرطان سینه » دو مساله دسته بندي متفاوت براي سنجش كارایی دسته بندي كننده پیشنهادي در نظر گرفته شده اند. روش پیشنهادي با روش جستجوي شبكه كه از و روش بهینه سازي گروه ذرات GA-SVM روشهاي متداول جستجو مقادیر پارامترهاي ماشین بردار پشتیبان می باشد، روش ژنتیك مقایسه گردیده است. نتایج پیاده سازي ها نشان می دهد كه دقت دسته بندي روش پیشنهادي ازروش جستجوي شبكه PSO-SVM بهتر و قابل مقایسه و اندكی بهتر از روش ژنتیك وروش بهینه سازي گروه ذرات می باشد.