بهبود درخت تصمیم فازی وزن دار با استفاده از الگوریتم کلونی زنبور

درخت تصمیم فازی وزن دار، به منظور مدیریت نويز و عدم قطعيت هاي زباني، درخت تصمیم را با نمايش فازي و استدلال تقريبي تركيب می نماید و به تکه‌های مختلف مسیر، وزن‌های متفاوتی اختصاص می‌دهد، تا مسیرهای مهم‌تر، وزن بیش تری داشته باشند و نیز در آن به ازای هر نمونه ورودی، هر گره برگ با یک احتمال به هر یک از کلاس‌ها اختصاص دارد. 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. کلونی زنبور عسل که یکی از جدیدترین و کارآمدترین الگوریتم‌های تکاملی که در سال 2005 ارائه شده، نمونه ای از این روش ها است. ساخت درخت تصميم فازي وزن دار بهينه يك مسأله NP-Hard است. در این تحقیق دو روش بهینه سازی به منظور بالابردن کارائی طبقه بندی درخت تصمیم فازی وزن دار بر مبنای الگوریتم کلونی زنبور پیشنهاد شده است. یک روش، بهبود وزن ها در درخت تصمیم فازی وزن دار با استفاده از الگوریتم کلونی زنبور، و روش دوم استفاده از انتخاب ویژگی با استفاده از الگوریتم کلونی زنبور و ترکیب آن با درخت تصمیم فازی وزن دار است. به منظور بررسی عملکرد و دقت روش های پیشنهادی، شبیه سازی با استفاده از نرم افزار متلب انجام شده است. نتایج حاصل از شبیه سازی نشان دهنده مؤثر بودن روش های پیشنهادی در بهبود دقت طبقه بندی است. کلمات کلیدی: داده کاوی، الگوریتم کلونی زنبورهای مصنوعی(ABC)، روش های فازی سازی، FID3، درخت تصمیم فازی (وزن دار)، پیش پردازش، انتخاب ویژگی.