%36تخفیف

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

تعداد 100 صفحه در فایل word

کارشناسی ارشد در رشته­ مهندسی کامپیوتر (هوش مصنوعی)

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

 

 

 

 

چکیده

 

 

استخراج طبقه­بند­های عام[1] و قابل فهم از داده، نقش مهمی در بسیاری از حوزه­ها و مسائل است. تاکنون روش­های متعددی برای طبقه­بندی[2] و تشخیص الگو[3] معرفی شده ­است. یکی از شیوه­های موفق و منحصربه­فرد در حوزه طبقه­بندی و تشخیص الگوی داده­های ورودی، استفاده از تکنیک­های فازی برای تقسیم­بندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیر­فضاها برای تصمیم­گیری و طبقه­بندی به­صورت 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 وزن­دهی 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.

واژه­های کلیدی: طبقه­بندی، تشخیص الگو، الگوریتم رقابت استعماری، طبقه بندی کننده­های فازی، طبقه بندی کننده­های غیر فازی، وزن­دهی قوانین.

 

[1] general

[2] Classification

[3] pattern recognition

فهرست مطالب

 

 

عنوان                                                                                                     صفحه

فصل اول

1-مقدمه…………………………………………………………………………………………………………………………………. 2

   1-1- مقدمه……………………………………………………………………………………………………………………………. 2

   1-2- انگیزه………………………………………………………………………………………………………………………….. 3

   1-3- شرح مسئله………………………………………………………………………………………………………………….. 4

   1-4- چالش­ها………………………………………………………………………………………………………………………. 5

   1-5- اهداف پایان نامه………………………………………………………………………………………………………….. 7

 

فصل دوم.

2- پیشینه تحقیق………………………………………………………………………………………………………………….. 9

   2-1- مقدمه……………………………………………………………………………………………………………………….. 10

   2-2- حوزه تکامل قوانین فازی…………………………………………………………………………………………….. 11

   2-3-یادگیری سیستم­های طبقه بندی کننده فازی………………………………………………………………… 12

      2-3-1- یادگیری سیستم­های طبقه بندی کننده فازی بر اساس الگوریتم ژنتیک………………….. 12

      2-3-2- الگوریتم­های تکامل همزمان………………………………………………………………………………… 22

      2-3-3- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم ازدحام ذرات  …….. 24

      2-3-4- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم زنبور عسل……….. 25

      2-3-5- یادگیری سیستم­های طبقه بندی کننده فازی با استفاده از الگوریتم مورچگان    ………  26

   2-4- الگوریتم رقابت استعماری……………………………………………………………………………………………. 26

     2-4-1- ویژگی­های الگوریتم رقابت استعماری…………………………………………………………………………… 28

     2-4-2-کاربرد­های الگوریتم رقابت استعماری……………………………………………………………………………. 28

   2-5-جمع بندی     ……………………………………………………………………………………………………………. 30

فصل سوم

3- روش تحقیق …………………………………………………………………………………………………………………… 32

   3-1- مقدمه ……………………………………………………………………………………………………………………… 33

   3-2- سیستم­های فازی……………………………………………………………………………………………………….. 34

     3-2-1- سیستم­های استنتاج فازی……………………………………………………………………………………… 34

            سیستم­های فازی Mamdani…………………………………………………………………. 34

         سیستم­های فازی Sugeno…………………………………………………………………………………………… 35

         سیستم­های فازی Tsukamato…………………………………………………………………………………….. 35

     3-2-2- طبقه بندی کننده­های فازی………………………………………………………………………………….. 36

             تابع  استدلال فازی…………………………………………………………………………………………………… 36

            معیار ارزیابی قوانین …………………………………………………………………………………………………. 38

   3-3- الگوریتم CORE …………………………………………………………………………………………………….. 39

   3-4- الگوریتم جزیره ای Ishibuchi برای استخراج قوانین …………………………………………………… 39

   3-5- الگوریتم GBML-IVFS-amp ………………………………………………………………………………. 41

   3-6- الگوریتم GNP برای وزن­دهی به قوانین فازی ………………………………………………………………….. 42

   3-7- الگوریتم TARGET ……………………………………………………………………………………………….. 42

   3-8- الگوریتم SGERD ………………………………………………………………………………………………….. 43

   3-9- الگوریتم رقابت استعماری ……………………………………………………………………………………………….. 44

     3-9-1- مقدرادهی اولیه امپراطوری­ها……………………………………………………………………………………… 45

     3-9-2- عملگر Assimilation………………………………………………………………………………………… 46

     3-9-3- استراتژی­های بهینه سازی میتنی بر تکامل اجتماعی-سیاسی……………………………………. 47

   3-10- الگوریتم­های پیشنهادی …………………………………………………………………………………………… 48

     3-10-1- هدف استفاده از ICA برای الگوریتم پیشنهادی ………………………………………………….. 48

     3-10-2- وزن­دهی به قوانین فازی…………………………………………………………………………………….. 48

       3-10-3- الگوریتم پیشنهادی برای تکامل قوانین فازی………………………………………………………. 52

               قوانین خاص و عام…………………………………………………………………………………………………. 52

               روش پیشنهادی برای تولید قوانین فازی …………………………………………………………………. 53

                تابع برازش پیشنهادی…………………………………………………………………………………………… 54

     3-11-جمع بندی  ………………………………………………………………………………………………………….. 57

فصل چهارم

 نتایج آزمایشات…………………………………………………………………………………………………………………… 58

   4-1- معیار­های ارزیابی……………………………………………………………………………………………………….. 59

   4-2-مجموعه داده­ها …………………………………………………………………………………………………………… 60

     4-2-1-مجموعه داده KEEL…………………………………………………………………………………………… 60

     4-2-2-مجموعه داده UCI…………………………………………………………………………………………………… 61

   4-3- الگوریتم پیشنهادی برای وزن­دهی به قوانین……………………………………………………………………. 61

     4-3-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی…………………………………………………………….. 61

     4-3-2-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­های فازی……………………………………….. 62

     4-3-3-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­های غیر فازی………………………………….. 66

   4-4- الگوریتم پیشنهادی برای تولید قوانین فازی بهینه………………………………………………………………… 68

     4-4-1-پارامتر­ها و تنظیمات سیستم در پیاده سازی یادگیری ساختار قوانین فازی………………………. 68

     4-4-2-انتخاب ویژگی…………………………………………………………………………………………………………… 69

     4-4-3-ارزیابی الگوریتم یادگیری ساختار قوانین با روش­های فازی…………………………………………….. 70

     4-4-4-ارزیابی الگوریتم با روش­های غیر فازی…………………………………………………………………………. 72

   4-5- جمع بندی    ……………………………………………………………………………………………………………… 73

فصل پنجم

جمع بندی و پیشنهادات………………………………………………………………………………………………………. 76

اختصارات………………………………………………………………. …………………………………………………………………………… 78

 واژه­نامه فارسی به انگلیسی………………………………………………………………………………………………………………….…………………………………………………………………………………………………. 79

واژه نامه انگلیسی به فارسی……………………………………………………………………………. 80

فهرست منابع…………………………………………………………………………. …………………………………………………………82

 

 

فهرست جداول

 

 

     عنوان                                                                                                                   صفحه

جدول 2-1-مقایسه خطای الگوریتم 16

جدول 2-2-ارزیابی SGERD 20

جدول 2-3-نرخ طبقه بندی، تعداد قوانین و زمان محاسباتی در SLAVE 21

جدول 2-4-نتایج ارزیابی الگوریتم 21

جدول 2-5MSE و  R2 برای ICA و  ICA-NN  .. 29

جدول 4-1-مجموعه داده KEEL  . 60

جدول 4-2-مجموعه داده UCI  . 61

جدول 4-3-پارامتر­های استفاده شده در الگوریتم وزن دهی به قوانین  . 62

جدول 4-4-مقایسه الگوریتم وزن دهی پیشنهادی با دیگر الگوریتم­های تکاملی  . 63

جدول 4-5-نتایج نرخ خطای روش پیشنهادی در مقایسه با الگوریتم­های TARGET و Chi-IVFS-Amp    . 64

جدول 4-6-مقایسه الگوریتم وزن­دهی با چندین تابع فازی  . 65

جدول 4-7-میانگین رتبه بندی برای 4 روش مقایسه شده روی 11 مجموعه داده  . 66

جدول 4-8-نتایج تست فردمن و تست تعقیبی Bonferoni-Dunn  . 66

جدول 4-9-نتایج خطای بدست آمده از ارزیابی الگوریتم پیشنهادی با چندین تابع غیرفازی  … 67

جدول 4-10- میانگین رتبه بندی برای 4 روش مقایسه شده روی 8 مجموعه داده 67

جدول 4-11–نتایج تست فردمن و تست تعقیبی Bonferoni-Dunn  .. 67

جدول 4-12پارامتر­های مورد استفاده در الگوریتم پیشنهادی یادگیری سیستم فازی………….. 69

جدول 4-13-مقایسه نرخ خطای الگوریتم یادگیری قوانین فازی با  توابع فازی… 70

جدول 4-14-طول قوانین و تعداد قوانین بدست آمده در الگوریتم پیشنهادی یادگیری  … 71

جدول 4-15میانگین رتبه بندی برای  روش­های مقایسه شده روی 10مجموعه داده . 71

جدول 4-16- نتایج تست فردمن و تست تعقیبی  Bonferoni-DunN… 71

جدول 4-17 نتایج بدست آمده از ارزیابی الگوریتم پیشنهادی با توابع غیرفازی… 72

جدول 4-18میانگین رتبه بندی برای 4 روش مقایسه شده روی 8 مجموعه داده. 72

جدول 4-19نتایج تست فردمن و تست تعقیبی Bonferoni-DunN… 73

 

فهرست شکل ها

 

عنوان                                                                                                              صفحه

شکل 2-1-نمودار نرخ  don’t care در داده  Wine.. 13

شکل 2-2-نمودار نرخ  طبقه بندی در داده  Wine. 13

شکل 2-3-نحوه کدینگ اعضای جمعیت در راهکار  Michigan و Pittsburgh.. 14

شکل 2-4- میانگین نرخ طبقه بندی.. 15

شکل 2-5-IVFS در الگوریتم ژنتیک و  IVFS در الگوریتم  Herrera. 17

شکل 2-6-کارایی  SGERD روی داده Wine. 19

شکل 2-7- کارایی  SGERD روی داده  iris. 19

شکل 2-8-ساختار جمعیت و لینک های تکامل در الگوریتم  CORE ………………………..  23

شکل 2-9-نمودار نرخ خطای داده satimage 24

شکل 2-10-شبه کد الگوریتم M-PSO.. 25

شکل 2-11-نمودار  برازش بهینه و متوسط برازش در الگوریتم ژنتیک، PSO و الگوریتم رقابت استعماری  27

شکل 3-1-نحوه بخش بندی فضای ویژگی و قوانین فازی تولید شده روی داده­ها 38

شکل 3-2-شبه کد الگوریتمCORE.. 39

شکل 3-3-شبه کد الگوریتم جزیره ایIshibuchi 40

شکل 3-4-شبه کد الگوریتمGBML-IVFS-Amp. 41

شکل 3-5-فلوچارت الگوریتم GNP برای یافتن عبارات بهینه. 42

شکل 3-6-بخش بندی­های متفاوت برروی یک مشخصه. 43

شکل 3-7-شبه کد الگوریتمSGERD.. 44

شکل 3-8-فلوچارت الگوریتم رقابت استعماری.. 47

شکل 3-9-شبه کد الگوریتم پیشنهادی وزن­دهی.. 50

شکل 3-10-بخش بندی­های متفاوت برروی یک مشخصه. 53

شکل 3-11-شبه کد الگوریتم پیشنهادی برای یادگیری قوانین فازی.. 55

شکل 4-1-فازی ست­های مورد استفاده روی هر مشخصه…………………………………………………….. 69               

 

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo