نیما صالحی مقدمی - دانشگاه فردوسی مشهد دانشکده مهندسی گروه کامپیوتر مشهد ایران
هادی صدوقی یزدی - دانشگاه فردوسی مشهد دانشکده مهندسی گروه کامپیوتر مشهد
سهراب عفتی - دانشگاه فردوسی مشهد دانشکده علوم ریاضی مشهد

این مقاله به ارائه یک درخت تصمیم مبتنی بر تابع هزینه ماشین بردار پشتیبان می پردازد استفاده از حاشیه اطمینان در طبقه بندی روش پیشنهادی را نسبت به درخت تصمیم C5 کاراتر کرده است از طبقه بند پیشنهادی که نام ماشین بردار پشتیبان چند شاخه ای بر ان نهاده ایم در شناسایی و استخراج قانون از روی داده ها پرداخته می شود چند مجموعه داده از بانک اطلاعاتی UCI انتخاب می گردد. مقایسه روش پیشنهادی با روش C5 برتری آن را نشان میدهد ارائه یک مفهوم عدم طبقه بندی در روش پیشنهادی برای نمونه های ازمون این امکان را میدهد تا از طبقه بندهای دیگر به شکل سلسله مراتبی در جهت افزایش کارایی سیستم بهره برد که به کار اتی سپرده می شود هزینه کم در ایجاد درخت با تابع هزینه ماشین بردار پشتیبان نسبت به C5 که از انتروپی و جستجوی کلی و خوشه بندی بهره می برد از دیگر برتری های روش ارائه شده است استفاده از روش پیشنهادی در استخراج قوانین در شناسایی پوست نتایج جالبی روی تصاویر میدهد که حاکی از قوانین ساده قابل فهم برای بشر و کم روی تصاویر رنگی به دست میدهد سادگی بکارگیری روش ارائه شده در آشکارسازی هدف درصحنه های ویدئویی نوید استفاده آن توسط دیگر محققین است.

آشکارسازی پوست انتروپی، درخت تصمیم C5، ماشین بردار پشتیبان، طبقه بندی