کاهش حجم داده‌ها توسط ترکیب طبقه بندی SVM خوشه‌بندی و الگوریتم نهنگ کوهاندار چندهدفه

• تاریخ ثبت: 14 آذر 1398
• نویسندگان: مجید عبدالرزاق نژاد, فرزانه رفیعی
• کلمات کلیدی: ماشین بردار پشتیبان، طبقه بندی، خوشه بندی، کاهش حجم داده، الگوریتم بهینه سازی نهنگ کوهاندار، بهینه سازی چندهدفه.

پردازش و کشف دانش پنهاد درون داده‌های حجیم با دو چالش ذخیره سازی و افزایش پیچیدگی محاسباتی روبرو می‌باشد. همچنین خطای الگوهای کشف شده نیز ارتباط مستقیم با اندازه داده دارد بطوریکه با افزایش اندازه داده، شاهد افزایش خطای الگوهای کشف شده هستیم. در این مقاله به منظور رفع چالش حجم داده در طبقه‌بندی داده‌های عظیم توسط روش ماشین بردار پشتیبان، از الگوریتم بهینه‌سازی نهنگ کوهاندار چندهدفه به منظور بهینه‌سازی رویکرد ترکیبی مبتنی برخوشه‌بندی استفاده شده است. وظیفه الگوریتم نهنگ کوهاندار تعیین بهینه مراکز اولیه خوشه‌های روش k-means در رویکرد پیشنهادی شن می باشد. عملکرد رویکرد پیشنهادی شن با عملکرد ترکیب آن با الگوریتم وال تک هدفه و نیز چندهدفه مقایسه شده که داده کاهش یافته توسط وال چندهدفه دقت طبقه‌بندی براساس SVM بالاتری نسبت به وال تک هدفه و مدل پایه شن دارد.