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

یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما  دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری ”   با فرمت Word (قابل ویرایش) در 106 صفحه را معرفی مینماید.

چکیده پایان نامه بهبود ساخت و ترکیب قوانین فازی با استفاده از الگوریتم رقابت استعماری :

استخراج طبقه­ بند­های عام و قابل فهم از داده، نقش مهمی در بسیاری از حوزه ­ها و مسائل است. تاکنون روش­های متعددی برای طبقه­ بندی  و تشخیص الگو  معرفی شده ­است. یکی از شیوه­ های موفق و منحصربه­ فرد در حوزه طبقه­ بندی و تشخیص الگوی داده­ های ورودی، استفاده از تکنیک­های فازی برای تقسیم ­بندی نرم فضای ویژگی و بالطبع استفاده از یک معماری مؤثر در متصل کردن این زیر­فضاها برای تصمیم ­گیری و طبقه­ بندی به ­صورت 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 وزن ­دهی 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 پایان­ نامه، 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 وزن­ده ی 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 طبقه­ بندی 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 کننده ­های 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.

واژه ­های کلیدی: طبقه ­بندی، تشخیص الگو، الگوریتم رقابت استعماری ، طبقه بندی کننده­ های فازی، طبقه بندی کننده ­های غیر فازی، وزن­ دهی قوانین.

فهرست مطالب

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………………………………………………………………….

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

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

3-2-2- طبقه بندی کننده ­های فازی…………………………………………………………………………………. 36

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

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

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

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

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

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

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

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

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

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

3-9-2- عملگر Assimilation………………………………………………………………………………………..

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- وزن­ دهی 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 داده ­ها ………………………………………………………………………………………………………….. 60

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

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

4-3- الگوریتم پیشنهادی برای وزن ­دهی به قوانین…………………………………………………………………… 61

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

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

4-3-3-مقایسه الگوریتم پیشنهادی با طبقه بندی کننده­ های 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

 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

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

راهنمای خرید و دانلود فایل

برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب  استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.