بهبود طبقه بندی چند کلاسه SVM با تئوری بازی فازی

SVM یکی از روش های معروف کلاس بندی مبتنی بر علم آمار می باشد که برای مسایل دو کلاسه ارایه شده است. با توجه به اینکه در محیط های واقعی، مساله معمولا چند کلاسه (multiclass) می باشد، روش های جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد. در کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی، در صورت انتخاب هسته مناسب برای SVM و تنظیم پارامترهای مربوطه می توان به دقت بالایی دست یافت. این در حالی است که انتخاب هسته مناسب و تنظیم پارامترها مسیله کلاس بندی را غیر خطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. در این مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن، از تیوری بازی که قادر خواهد بود مسیله غیرخطی مورد نظر ما را به یک مسیله خطی نگاشت نماید، استفاده می شود. تیوری بازی ارایه شده با استفاده از دو بازیکن (که در مسیله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است)، ماتریس تصمیم از دید منطق فازی و حل معادلات حاصل به کمک برنامه ریزی خطی، احتمال داده در هر کلاس را محاسبه می نماید. نتایج آزمایشات موید این مطلب است که مدل پیشنهادی در مقایسه با مدل های دیگر SVM دقت و سرعت قابل قبولی از خود نشان می دهد.