توسعه روش طبقه‌بندی دیتاست‌های نامتوازن با استفاده از الگوریتم‌های تکاملی چندهدفه | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 6، دوره 17، شماره 55، زمستان 1398، صفحه 161-183 اصل مقاله (1.09 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jims.2019.31226.2036 | ||
| نویسندگان | ||
| امیر دانشور* 1؛ مهدی همایون فر2؛ الهام اخوان3 | ||
| 1مدیریت صنعتی، دانشکده مدیریت، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران | ||
| 3گروه مدیریت صنعتی، دانشکده مدیریت، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| طبقه‌بندی داده‌ها از مباحث اساسی علم مدیریت است که از رویکردهای مختلفی مورد بررسی قرار گرفته است. روش‌های هوش مصنوعی از مهمترین روش‌های طبقه‌بندی هستند که اغلب آنها تابع دقت کل را در ارزیابی عملکرد مد نظر قرار می‌دهند. از آنجاییکه در دیتاست‌های نامتوازن، این تابع، هزینه خطاهای پیش‌بینی را یکسان در نظر می‌گیرد، در این پژوهش علاوه بر تابع دقت کل، از تابع حساسیت نیز به منظور افزایش دقت در هر یک از کلاس‌های از پیش‌تعریف‌شده، استفاده شده است. به‌علاوه، بدلیل پیچیدگی فرآیند کسب اطلاعات از تصمیم‌گیرنده، از الگوریتم فرا ابتکاری NSGA II جهت استنتاج مقادیر پارامترها، (بردار وزن و سطوح برش بین کلاس‌ها) استفاده گردیده است. در هر تکرار، الگوریتم با استفاده از بردار وزن برآورد شده و دیتاست‌ها، امتیاز هر آلترناتیو را با تابع Sum Product محاسبه نموده و در مقایسه با سطوح برش تخمینی، آن آلترناتیو را به یکی از دسته‌ها تخصیص می‌دهد. سپس با استفاده از توابع برازش، دسته تخمینی و دسته واقعی را مقایسه نموده و این فرایند تا بهینه‌سازی پارامترها ادامه می‌یابد. مقایسه نتایج الگوریتم‌های NSGA II و NRGA، نشان‌دهنده کارایی بالای الگوریتم ارائه شده است. | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک با رتبه‌بندی نامغلوب (NSGA II)؛ طبقه‌بندی چند کلاسه؛ دیتاست‌های نامتوازن؛ الگوریتم NRGA | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,954 تعداد دریافت فایل اصل مقاله: 1,452 |
||