Fractal Classifiers as a Novel Classifier Combiner Design Strategy

إن الأنظمة الذكية وأنظمة تمييز العينات تستطيع أن تصنف العينات أو أن تتنبأ بها. ويتم حديثا استخدامها في جميع المجالات: الطبية، الهندسية، العسكرية، الاقتصادية مث ا لا حصرا. وتعتبر المصنفات من أهم الأدوات المستخدمة في تصميم الأنظمة الذكية. لكن تعاني تلك المصنفات من وجود نسبة خطأ في أدائها. لذلك يعمد الباحثون والعلماء إلى دمجها للحصول عى دقة أعى في معامل التصنيف. لذلك فإن استخدام المدمجات أصبح وسيلة شائعة لتحسين أداء المصنفات. لكن أغلب أنظمة الدمج المستخدمة هي نتاج تجارب دون وجود خلفية رياضية أو نظرية تثبت صحتها وتنظر طريقة تصميمها. كما أنها لم تبلغ الكمال في أدائها. لذلك نطمح في هذا المشروع إلى إيجاد نظام جديد لدمج المصنفات يتفوق عى الحالية وبناء عى معادلات رياضية ونظرية مثبتة. وقد أثبتت الطبيعة مرارا قدرتها عى توجيه العلماء للطرق المثالية في التصميم. وتظهر هندسة الجزيئات كتفسير للكثير من الأشياء في الطبيعة كالجبال والأشجار. لذلك سنلجأ إلى علم هندسة الجزيئات لاستخدام معادلاتها في تصميم أنظمة المصنفات المدمجة. ولتحقيق هدفنا سنقوم بتجارب عديدة لإيجاد مدى إمكانية تصميم أنظمة دمج مبنية عى نظريات هندسة الجزيئات.

Machine learning in general and classifier models specifically have the ability to spot trends and relationships in data sets, which makes them well suited for many applications to automate decisions or applications that require classification of unknown samples. However, classifiers have an error rate that can be reduced by combining the decisions of more than one classifier in order to obtain superior results over the best single classifier. Currently combiner design methods are mostly non-optimal ad-hoc methods with little or no analytical explanation or theoretical proof. We aim at finding a combiner method that outperforms existing methods and is created based on an analytical formula, in contrast to the existing ad-hoc methods. A combiner design method that is based on the same rules and equations which explain how shapes and phenomena occur or grow in nature. One that is derived from fractal geometry. We will experiment with a combiner structure that mimics how nature builds shapes. To achieve this, we run experiments on different types of fractal equations and values of parameters involved in the creation process. Experiments are repeated for different combiner structures and real world data sets. Results may indicate if the combiner performance follows a certain pattern that depends on certain fractal parameter. If the patterns exist, then we may propose guidelines or an analytical procedure that yields best structured combiner design method.