ترکیب الگوریتم Selfish Herd Optimization با C4.5 مبتنی بر آنتروپی برای طبقه‌بندی داده‌ها

ترکیب الگوریتم Selfish Herd Optimization با C4.5 مبتنی بر آنتروپی برای طبقه‌بندی داده‌ها

در این تحقیق از مدل ترکیبی Selfish Herd Optimization-C4.5 برای طبقه‌بندی داده‌ها استفاده شده است. الگوریتم SHO یک الگوریتم بهینه‌سازی الهام گرفته از رفتار گله‌های خودخواه است که در سال 2017 در مجله معتبر Biosystems برگرفته از انتشارات الزویر چاپ شده است. برای حل مشکل طبقه‌بندی داده‌ها از رویکرد درخت تصمیم C4.5 مبتنی بر آنتروپی و بهره اطلاعاتی استفاده شده است. الگوریتم SHO برای بهینه‌سازی بهره اطلاعاتی درخت تصمیم‌گیری استفاده شده است. شبیه‌سازی مدل ترکیبی در محیط متلب برروی 10 مجموعه داده برگرفته از سایت UCI انجام شده است. نتایج مدل ترکیبی با الگوریتم‌های ID3 و CART مقایسه شده است.