بهبود عملکرد الگوریتم KNN با استفاده از الگوریتم فرا ابتکاری PSO

نوع مقاله : مقاله پژوهشی فارسی

نویسندگان

1 گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد

2 یزد، بلوار دانش، دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری ، کد پستی: 89158

3 بلوار دانش، دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری

4 یزد، بلوار دانش، دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری

چکیده

الگوریتم KNN یکی از مهم‌ترین الگوریتم‌های نا پارامتری است و جزء روش‌های اثربخش دسته‌بندی محسوب می‌شود. سازوکار این الگوریتم برای تعیین دسته نمونه جدید، مبتنی بر محاسبه فاصله نمونه جدید تا سایر نمونه‌هاست. زمانی که پایگاه داده شامل صفات غیر عددی (رتبه‌ای و اسمی) باشد، نحوه محاسبه فاصله می‌تواند بر کارآیی الگوریتم اثرگذار باشد. در این مقاله روشی برای محاسبه فاصله ارائه‌شده است که می‌تواند کارآیی الگوریتم KNN را بهبود دهد. ایده ارائه‌شده در این پژوهش مبتنی بر محاسبه فاصله پویاست. منظور از فاصله پویا، فاصله‌ای است که بین هر دو مقدار از یک صفت غیر عددی تعریف می‌شود و به ماهیت مسئله بستگی دارد. نحوه تعیین این فاصله پویا در قالب یک مسئله بهینه‌سازی بیان‌شده است که در درون ساختار الگوریتم KNN تعبیه‌شده و با استفاده از الگوریتم بهینه‌سازی انبوه ذرات حل می‌شود. برای آزمایش کارآیی الگوریتم پیشنهادی از مجموعه داده‌های UCI استفاده‌شده است. نتایج نشان می‌دهد میزان بهبود صحت حداقل %3.6 و حداکثر %32.7 است.

کلیدواژه‌ها