بهبود طبقه بندی چند کلاسه SVM با تئوری بازی فازی
محورهای موضوعی : انتقال ارتعاشات
1 - عل.م پایه، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد سمنان.
کلید واژه: SVM, جداسازی چند کلاسه, تئوری بازی فازی, برنامه ریزی خطی فازی,
چکیده مقاله :
SVM یکی از روشهای معروف کلاس بندی مبتنی بر علم آمار می باشد که برای مسایل دو کلاسه ارایه شده است. با توجه به اینکه در محیط های واقعی، مساله معمولا چند کلاسه (multiclass) می باشد، روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد. در کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی، در صورت انتخاب هسته مناسب برای SVM و تنظیم پارامترهای مربوطه می توان به دقت بالایی دست یافت. این در حالی است که انتخاب هسته مناسب و تنظیم پارامترها مسئله کلاس بندی را غیر خطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. در این مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن، از تئوری بازی که قادر خواهد بود مسئله غیرخطی مورد نظر ما را به یک مسئله خطی نگاشت نماید، استفاده می شود. تئوری بازی ارایه شده با استفاده از دو بازیکن (که در مسئله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است)، ماتریس تصمیم از دید منطق فازی و حل معادلات حاصل به کمک برنامه ریزی خطی، احتمال داده در هر کلاس را محاسبه می نماید. نتایج آزمایشات موید این مطلب است که مدل پیشنهادی در مقایسه با مدل های دیگر SVM دقت و سرعت قابل قبولی از خود نشان می دهد.
SVM is one of the popular classification algorithms based on statistics learning, which is presented for two-class problems. In real environments, the problem is usually multi-class. Thus, multi-class separation methods are very important compared to binary classes. In this work, to decrease the complexity of the model and the resulting loss of accuracy, fuzzy game theory is derived, which will be able to map the non-linear to a linear problem. Fuzzy game theory is obtained from the probability of data in each class by using two players (in our problem, each player is equivalent to a class label). Here, the decision matrix is yielded by the fuzzy logic, and then the equations are solved by the linear programming. Obtained results from the computer simulation validate the SVM model by fuzzy game theory.
_||_