تعيين وزن قوانين درخت تصميم فازي با استفاده از الگوريتمهاي تكاملي

دسته بندي درخت تصميم فازي، با تركيب ويژگيهاي درخت تصميم و سيستمهاي فازي توانايي كار با متغيرهاي زباني و دستهبندي در شرايط عدم قطعيت را دارد. يك درخت تصميم بهينه، درختي است كه كمترين پيچيدگي (تعداد ميباشد، NP قوانين) و بيشترين دقت دستهبندي را داشته باشد. از آنجايي كه يافتن درخت تصميم بهينه، يك مسئله تكنيكهايي براي بهبود كيفيت درخت تصميم فازي قابل استفاده است كه وزندهي قوانين يكي از آن تكنيكهاست. در اين مقاله، روشي براي به كارگيري الگوريتمهاي تكاملي براي تعيين وزن قوانين در درخت تصميم فازي وزندار ارائه شده است تا دقت دستهبندي آن را بدون افزايش پيچيدگي آن افزايش دهيم. الگوريتم ژنتيك، الگوريتم بهينهسازي اجتماع ذرات، الگوريتم پرش قورباغه و الگوريتم جستجوي گرانشي الگوريتمهاي تكاملي استفاده شده در اين مقاله هستند. براي ارزيابي و مقايسه الگوريتمهاي تكاملي استفاده شده، دسته بندي بر روي بيست مجموعه داده كه از انتخاب شدهاند، انجام شده است. دقت دستهبندي الگوريتمهاي تكاملي مختلف KEEL و UCI مخزن مجموعه دادهي - درخت تصميم 1 با استفاده از آزمونهاي آماري غيرپارامتري مورد تحليل و مقايسه قرار گرفته است كه نشان ميدهد: وزندار توليد شده با الگوريتم پيشنهادي صرفنظر از الگوريتم تكاملي استفاده شده، دقت بيشتري نسبت به درخت - درخت تصميم فازي ساخته شده با استفاده از الگوريتم جستجوي گرانشي دقت بيشتري 2تصميم بدون وزن دارد و نسبت به درختهاي ساخته شده با استفاده از ديگر الگوريتمهاي تكاملي دارد