آزمون فرضيه بر اساس داده هاي فازي شهودي و به روش بوت استرپ

طي سالهاي اخير، روشهاي مدل - پايه، در مسئله ي رده بندي مورد توجه قرار گرفته اند. براي اين منظور مدل هاي آميخته ي نرمال و روش ماكسيمم درستنمايي مورد استفاده قرار گرفته اند. در اين مقاله، رويكرد بيزي در رده بندي مدل – پايه معرفي شده است. مدلهاي آميخته ي نرمال براي مدل بندي داده ها استفاده شده است. اين رويكرد، با در نظر گرفتن توزيع هاي پيشين بر روي پارامترهاي مدل هاي آميخته، امكان استفاده از اطلاعات پيشين در رده بندي مدل - پايه را فراهم مي آورد. از الگوريتم EM براي برآورد پارامترها و از نسخه اي تعديل شده ي ملاك اطلاع بيزي (BIC) براي انتخاب بهترين مدل از ميان مدل هاي مورد بررسي، استفاده شده است. براي ارزيابي و مقايسه ي رده بندي هاي حاصل، از نرخ بد رده بندي و شاخص رند تعديل شده استفاده شده است. نتايج نشان مي دهد كه رويكرد بيزي معرفي شده در رده بندي مدل پايه، عملكرد بهتري به نسبت روش رده بندي مدل - پايه با رويكرد غيربيزي از خود نشان داده است، به خصوص هنگامي كه تعداد داده هاي با رده بندي معلوم اندك است.