طبقه بندی کننده چند منظوره گروه ذرات

در این تحقیق با استفاده از روش بهینه سازی چند منظوره گروه ذرات طبقه بندی کننده ای ارایه شده است که همزمان قادر به بهینه سازی شاخص های متفاوت و مهمی در تشخیص الگو نظیر قابلیت اطمینان، نرخ تشخیص صحیح و تعداد ابر صفحه های لازم برای مرزبندی موثر کلاس های متفاوت در فضای ویژگی می باشد. در طراحی طبقه بندی کننده پیشنهاد شده مسایل مهم فوق-برازش و فوق-آموزش نیز بر طرف شده است. توانایی دستیابی همزمان به شاخص های مذکور در سایر طبقه بندی کننده های مبتنی بر روش های هوش جمعی وجود ندارد. نتایج عملی به دست آمده بر روی داده های آزمایشی نشان می دهند که طبقه بندی کننده چند منظوره پیشنهادی با تخمین جبهه پرتو بهترین مجموعه انتخابی از ابر صفحه های جدا کننده کلاس های مختلف را برای برپایی شرایط دلخواه کاربر در خصوص انتخاب شاخص های فوق الذکر، فراهم می آورد.