ارائه روشی کارا برای دسته بندی مسائل چند دسته ای با رویکرد انتخاب دسته بند

سیستمهای دسته بندی شورایی، رویکردی موثر در یادگیری ماشین است که در آن با ترکیب نتایج چند دسته بند سعی می شود تقریب بهتری از یک دسته بند بهینه فراهم شود. در حوزه ترکیب خروجی شورای دستهبندها، رویکرد «انتخاب دستهبند» توجه کمتری را در مقایسه با رویکرد «ادغام دسته بند» به خود جلب کرده است. همچنین، اغلب روش های موجود در این حوزه، هزینه محاسباتی بالایی دارند. در این مقاله، روشی موثر در دسته بندی مسائل چنددسته ای بر اساس رویکرد انتخاب ویژگی پیشنهاد شده است. روش پیشنهادی ابتدا با استفاده از 14 مجموعه داده تراز از پایگاه UCI آزمون شده و پس از اثبات توانایی آن، برای شناسایی رایحه های سه نوع شیرین بیان به کار گرفته شده است. مقایسه نتایج روش پیشنهادی و روش های دیگر سیستمهای شورایی بر اساس دو معیار صحت شناسایی و زمان محاسباتی، کارایی بهتر روش را در دسته بندی مسائل چنددسته ای نشان می دهد.