ارايه يك مدل بهينه‌سازي رياضي چند‌هدفه براي طبقه‌بندي در داده‌كاوي

Presenting a Multi-Objective Mathematical Optimization Model for Classification in Data Mining

در اين مقاله به بررسي مسايل طبقه‌بندي داده‌ها (به عنوان يكي از شاخه هاي علم داده‌كاوي) در قالب مدل برنامه‌ريزي رياضي چند‌هدفه مي‌پردازيم. مدلي كه ارايه و بررسي مي‌گردد يك مسيله MODM مي‌باشد. اولين بار بر پايه ايده ماشين بردار پشتيبان (SVM) (ماكزيمم كردن حاشيه دو گروه)، يك مدل برنامه‌ريزي رياضي چند‌معياره براي مسايل داده‌كاوي بر پايه طبقه‌بندي مشاهدات به دو گروه مجزا مبتني بر دو هدف تفكيك داده‌ها (ماكزيمم كردن فاصله بين گروه‌هاي مختلف و مينيمم كردن طبقه‌بندي نادرست داده‌هاي مورد مشاهده) معرفي شد و از آن پس تاكنون ضمن اينكه افراد زيادي روي گسترش مدلهاي طبقه‌بندي مبتني بر روش‌هاي برنامه‌ريزي رياضي كار كرده‌اند، همزمان و به صورت مستقل افرادي نيز روي بهبود روش‌هاي ماشين بردار پشتيبان مطالعه نموده‌اند. با توجه به فلسفه يكسان اين دو دسته از روش‌هاي بهينه‌سازي، در اين مقاله به منظور پر كردن شكاف بين اين دو مسير پژوهش، از روش‌هاي به روز و بهبود يافته SVM جهت ارايه مدلي به منظور طبقه‌بندي در داده‌كاوي مبتني بر برنامه‌ريزي چند‌هدفه استفاده خواهد شد.

In this paper we investigate the issues of data classification (as one of the branches of data mining science) in form of multi-objective mathematical programming model. The model that we present and investigate is a MODM problem. First time, based on support vector machine (SVM) idea (To maximize the margin of two groups), a multi-criteria mathematical programming model was proposed for data mining problems to classified instances in two separated group based on two goals of data discriminate (To maximize the distance between different groups and to minimize the misclassification of observations). Since then, some people have been working on developing the classification models based on mathematical programming methods. Simultaneously and also independently, individuals worked on support vector machine methods to improve them. Regarding to the same philosophy of these two groups of optimization methods, in this paper, to fill the gap between these two research paths, we use the updated and improved SVM methods to present a model for classification in data mining based on multi-objective programming.