فاطمه عارفیان - دانشجوی هوش مصنوعی، دانشگاه شهید باهنر، کرمان
مهدی افتخاری - دکتری هوشی مصنوعی، عضو هیئت علمی دانشگاه شهید باهنر کرمان

اکثر کارهای انجام گرفته با رویکرد فازی - ناهموار در زمینه یادگیری با نظارت بوده در حالی که تعداد کمی از آنها برای یادگیری نیمه نظارتی و یادگیری بدون نظارت انجام گرفته اند در اغلب پایگاه داده هایی که وجود دارد برچسب کلاس برای تعداد اندکی از داده ها مشخص است و این در حالی است که برچسب زنی تمام داده ها کاری دشوار، پرهزینه و زمان بر است. در این مقاله به معرفی الگوریتم نزدیکترین همسایه جدیدی در زمینه یادگیری نیمه نظارتی می پردازیم که از تقریب پایین فازی - ناهموار از تئوری فازی - ناهموار، در جهت برچسب زنی داده های بدون برچسب استفاده می نماید. روش پیشنهادی برخلاف بسیاری از روش های موجود نیاز به هیچ حد آستانه قابل تنظیمی توسط کاربر ندارد. همچنین نتایج تجربی نشان داده که الگوریتم پیشنهادی نسبت به روش های مقایسه شده، کارایی بالاتری دارد.

یادگیری نیمه نظارتی، طبقه بندی، تئوری فازی، تئوری مجموعه های ناهموار، نزدیکترین همسایه