دسته بندي داده هاي نامتوازن با استفاده از الگوريتم هاي تكاملي و ماشين بردار پشتيبان

كاوش داده ها در دنياي واقعي همواره با مشكل نامتوازن بودن مجموعه داده ها روبرو است. اين مشكل هنگامي رخ مي دهد كه تعداد نمونه ها در كلاس هاي گوناگون اختلاف بسياري داشته باشند. نحوه برخورد با داده هاي نامتوازن همواره به عنوان يك مسئله چالش پذير در داده كاوي شناخته مي شود، به نحوي كه تعداد اشتباهات در شناسايي دادههاي رده كوچكتر همواره با اشتباهات بسياري روبرو است. در اين مقاله يك روش جديد با استفاده از تركيب الگوريتم هاي تكاملي و ماشينهاي بردار پشتيبان براي حل اين مشكل پيشنهاد شده است، نتايج آزمايشات بر روي شناسايي صاحب دست خط نشان دهنده كارايي روش پيشنهادي و افزايش دقت مي باشد