بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری

بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: doc
تعداد صفحات: 106
حجم فایل: 1351 کیلوبایت

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری

تعداد صفحات : 106

چکیده

استخراج طبقه­ بند­های عام و قابل فهم از داده، نقش مهمی در بسیاری از حوزه­ ها و مسائل است. تاکنون روش های متعددی برای طبقه ­بندی و تشخیص الگو معرفی شده ­است. یکی از شیوه­ های موفق و منحصربه ­فرد در حوزه طبقه­ بندی و تشخیص الگوی داده­های ورودی، استفاده از تکنیک­های فازی برای تقسیم ­بندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیر­فضاها برای تصمیم­ گیری و طبقه ­بندی به­ صورت فازی می­باشد. اینکه بتوان بهترین و کارا ترین قوانین فازی را از روی داده استخراج کرد هنوز زمینه بسیار مهمی برای محققان است.

در این مطالعه یک روش نوین برای وزن­ دهی به قوانین فازی با استفاده از الگوریتم تکاملی رقابت استعماری ارائه شده است تا بتوان قوانین مهم­تر را با استفاده از وزن­های بهینه شده بیش­تر در نظر گرفت. در این پایان­نامه، عملگرهای الگوریتم رقابت استعماری برای ساختن مناسب قوانین فازی مجددا تعریف می­شوند

درواقع تکنیک Ishibuchi برای فاز اول یعنی تولید قوانین و تکنیک رقابت استعماری برای فاز دوم یعنی وزن­دهی به آن­ها ارائه شده است. در گام بعدی، تولید و تکامل قوانین فازی با الگوریتم رقابت استعماری پیشنهاد شده است. این روش باعث افزایش کارایی طبقه­بندی کننده برای نرخ طبقه بندی می­شود. درنهایت، هدف، ساختن یک مجموعه قانون فشرده با تعداد کم قوانین است که این قوانین دارای طول کوتاه و در نتیجه تفسیرپذیری بالا هستند.

الگوریتم پیشنهادی با طبقه بندی کننده­های پایه غیرفازی مانند SVM، C4.5، 1NN و Naive Bayes و الگوریتم­های طبقه بندی کننده فازی که توضیح داده خواهد شد مقایسه و ارزیابی می­شود.



فصل اول

1-مقدمه

1-1- مقدمه

1-2- انگیزه

1-3- شرح مسئله

1-4- چالش ­ها

1-5- اهداف پایان نامه

فصل دوم

2- پیشینه تحقیق

2-1- مقدمه

2-2- حوزه تکامل قوانین فازی

2-3-یادگیری سیستم ­های طبقه بندی کننده فازی

2-3-1- یادگیری سیستم ­های طبقه بندی کننده فازی بر اساس الگوریتم ژنتیک

2-3-2- الگوریتم­های تکامل همزمان

2-3-3- یادگیری سیستم­ های طبقه بندی کننده فازی با استفاده از الگوریتم ازدحام ذرات

2-3-4- یادگیری سیستم­ های طبقه بندی کننده فازی با استفاده از الگوریتم زنبور عسل

2-3-5- یادگیری سیستم­ های طبقه بندی کننده فازی با استفاده از الگوریتم مورچگان

2-4- الگوریتم رقابت استعماری

2-4-1- ویژگی­های الگوریتم رقابت استعماری

2-4-2-کاربرد­های الگوریتم رقابت استعماری

. 2-5-جمع بندی

فصل سوم

3- روش تحقیق

3-1- مقدمه

3-2- سیستم­ های فازی

3-2-1- سیستم ­های استنتاج فازی

سیستم های فازی Mamdani

سیستم ­های فازی Sugeno

سیستم­ های فازی Tsukamato

3-2-2- طبقه بندی کننده­های فازی

تابع استدلال فازی

معیار ارزیابی قوانین

3-3- الگوریتم CORE

3-4- الگوریتم جزیره ای Ishibuchi برای استخراج قوانین

3-5- الگوریتم GBML-IVFS-amp

3-6- الگوریتم GNP برای وزن­دهی به قوانین فازی

3-7- الگوریتم TARGET

3-8- الگوریتم SGERD

3-9- الگوریتم رقابت استعماری

3-9-1- مقدرادهی اولیه امپراطوری­ها

3-9-2- عملگر Assimilation

3-9-3- استراتژی­های بهینه سازی میتنی بر تکامل اجتماعی-سیاسی

3-10- الگوریتم­های پیشنهادی

3-10-1- هدف استفاده از ICA برای الگوریتم پیشنهادی

3-10-2- وزن­دهی به قوانین فازی

3-10-3- الگوریتم پیشنهادی برای تکامل قوانین فازی

قوانین خاص و عام

روش پیشنهادی برای تولید قوانین فازی

تابع برازش پیشنهادی

3-11-جمع بندی

فصل چهارم

نتایج آزمایشات

4-1- معیار­های ارزیابی

4-2-مجموعه داده­ ها

4-2-1-مجموعه داده KEEL

4-2-2-مجموعه داده UCI

4-3- الگوریتم پیشنهادی برای وزن­دهی به قوانین

4-3-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی

4-3-2-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­ های فازی

4-3-3-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­های غیر فازی

4-4- الگوریتم پیشنهادی برای تولید قوانین فازی بهینه

4-4-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی یادگیری ساختار قوانین فازی

4-4-2-انتخاب ویژگی

4-4-3-ارزیابی الگوریتم یادگیری ساختار قوانین با روش­های فازی

. 4-4-4-ارزیابی الگوریتم با روش­های غیر فازی

.. 4-5- جمع بندی

فصل پنجم

جمع بندی و پیشنهادات

اختصارات

واژه­ نامه فارسی به انگلیسی

واژه نامه انگلیسی به فارسی

فهرست منابع

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.