ارائه روشی ترکیبی جهت بهبود درخت تصمیم فازی وزن دار

انتخاب ویژگی، یکی از تکنیک های مهم و پرکاربرد در مراحل پیش پردازش داده ها برای داده کاوی است. تاکنون برای انتخاب ویژگی از روش های متنوعی استفاده شده است. در دهه های اخیر، روش های تکاملی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دست یابی به جواب نزدیک و بهینه مطلق از جمله دلایل مؤفقیت این روش ها است. الگوریتم کلونی زنبور که یکی از جدیدترین و کارآمدترین الگوریتم‌های تکاملی است، می تواند با انتخاب ویژگی های مناسب به بالاتر بردن کارائی و دقت آن ها منجر شود. در این مقاله به ارائه یک روش ترکیبی جهت بالابردن دقت طبقه بندی درختان تصمیم فازی وزن دار بر مبنای انتخاب ویژگی از طریق الگوریتم کلونی زنبور و ترکیب آن با درخت تصمیم فازی وزن دار خواهیم پرداخت. بررسی عملکرد، دقت و نتایج حاصل از شبیه سازی این روش، نشان دهنده مؤثر بودن آن در بهبود دقت طبقه بندی است.

درخت تصمیم فازی (وزن دار)، بهینه سازی، الگوریتم کلونی زنبورهای مصنوعی(ABC)، انتخاب ویژگی، شبکه عصبی MLP.