ارائه یک مدل بهینه سازی ریاضی چند هدفه برای طبقه بندی

در این مقاله به بررسی مسائل طبقه بندی داده ها (به عنوان یکی از شاخه های علم داده کاوی) در قالب مدل برنامه ریزی ریاضی چند هدفه می پردازیم. مدلی که ارائه و بررسی می گردد یک مسئله modm می باشد. اولین بار بر پایه ایده ماشین بردار پشتیبان (svm) (ماکزیمم کردن حاشیه دو گروه)، یک مدل برنامه ریزی ریاضی چند معیاره برای مسائل داده کاوی بر پایه طبقه بندی مشاهدات به دو گروه مجزا مبتنی بر دو هدف تفکیک داده ها (ماکزیمم کردن فاصله بین گروه های مختلف و مینیمم کردن طبقه بندی نادرست داده های مورد مشاهده) معرفی شد و از آن پس تاکنون ضمن اینکه افراد زیادی روی گسترش مدلهای طبقه بندی مبتنی بر روش های برنامه ریزی ریاضی کار کرده اند، همزمان و به صورت مستقل افرادی نیز روی بهبود روش های ماشین بردار پشتیبان مطالعه نموده اند. با توجه به فلسفه یکسان این دو دسته از روش های بهینه سازی، در این مقاله به منظور پر کردن شکاف بین این دو مسیر پژوهش، از روش های به روز و بهبود یافته svm جهت ارائه مدلی به منظور طبقه بندی در داده کاوی مبتنی بر برنامه ریزی چند هدفه استفاده خواهد شد.