در این مقاله به بررسی مسائل طبقه‌بندی داده‌ها (به عنوان یکی از شاخه های علم داده‌کاوی) در قالب مدل برنامه‌ریزی ریاضی چند‌هدفه می‌پردازیم. مدلی که ارائه و بررسی می‌گردد یک مسئله MODM می‌باشد. اولین بار بر پایه ایده ماشین بردار پشتیبان (SVM) (ماکزیمم کردن حاشیه دو گروه)، یک مدل برنامه‌ریزی ریاضی چند‌معیاره برای مسائل داده‌کاوی بر پایه طبقه‌بندی مشاهدات به دو گروه مجزا مبتنی بر دو هدف تفکیک داده‌ها (ماکزیمم کردن فاصله بین گروه‌های مختلف و مینیمم کردن طبقه‌بندی نادرست داده‌های مورد مشاهده) معرفی شد و از آن پس تاکنون ضمن اینکه افراد زیادی روی گسترش مدلهای طبقه‌بندی مبتنی بر روش‌های برنامه‌ریزی ریاضی کار کرده‌اند، همزمان و به صورت مستقل افرادی نیز روی بهبود روش‌های ماشین بردار پشتیبان مطالعه نموده‌اند. با توجه به فلسفه یکسان این دو دسته از روش‌های بهینه‌سازی، در این مقاله به منظور پر کردن شکاف بین این دو مسیر پژوهش، از روش‌های به روز و بهبود یافته SVM جهت ارائه مدلی به منظور طبقه‌بندی در داده‌کاوی مبتنی بر برنامه‌ریزی چند‌هدفه استفاده خواهد شد.

واژه‌های کلیدی: داده‌کاوی، مدل بهینه‌سازی طبقه‌بندی، برنامه‌ریزی ریاضی چند‌هدفه، ماشین بردار پشتیبان

متن کامل [PDF 2157 kb]   (12978 دریافت)