ارائه روش طبقه‌بندي جديد با استفاده از رويكرد تركيبي يادگيري ماشين و تصميم‌گيري چندمعياره

هدف: از آنجا كه در مسائل طبقه‌بندي به تحليل انواع وابستگي‌ها و روابط بازخوردي ميان معيارهاي يك مسئله كمتر پرداخته شده است و با توجه به قابليت فرايند تحليل شبكه‌اي (ANP) در مدل‌سازي روابط متقابل بين معيارها، هدف اين پژوهش ارائه روشي مبتني بر ANP براي مسائل طبقه‌بندي است. محدوديت اساسي ANP، افزايش ناسازگاري قضاوت تصميم‌گيرندگان همراه با افزايش ابعاد مسئله است، از اين رو به‌منظور بهينه‌سازي پارامترهاي مسئله و افزايش صحت طبقه‌بندي، از الگوريتم ژنتيك استفاده خواهد شد. روش: پژوهش حاضر از نظر هدف، توسعه‌اي و از نظر روش تحليل داده‌ها كمّي و از نوع مدل‌سازي رياضي است. در اين پژوهش، ابتدا مسئله طبقه‌بندي داده‌ها با در نظر داشتن روابط متقابل معيارها در قالب روش تصميم‌گيري چندمعياره ANP تبيين شد. در ادامه، مقدار پارامترهاي مسئله، شامل وزن معيارها و آستانه‌هاي هر كلاس به‎كمك الگوريتم ژنتيك از سوپرماتريس برآورد شد و در نهايت، براي ارزيابي روش پيشنهادي و عملكرد آن، نتيجه با روش‌هاي پركاربرد طبقه‌بندي مقايسه شد. يافته‌ها: نتايج پژوهش‌هاي مقايسه‌اي روي ديتاست‌هاي اعتباري با ابعاد مختلف، قابليت رقابتي بسيار خوب روش پيشنهادي را در مقايسه با روش‌هاي شناخته‌شده يادگيري ماشيني نشان داد. نتيجه‌گيري: روش‌هاي تصميم‌گيري چندمعياره، اغلب براي رتبه‌بندي استفاده شده‌اند، اين در حالي است كه به قابليت بسيار خوب اين روش‌ها در طبقه‌بندي داده‌ها كمتر توجه شده است. فرايند تحليل شبكه‌اي در تركيب با الگوريتم ژنتيك، روشي كارا و مناسب در حوزه طبقه‌بندي داده‌ها را به نمايش مي‌گذارد.