ماشین بردار پشتیبان به عنوان یک الگوریتم با نظارت در ابتدا برای حالت دودویی ابداع شد، سپس به علت کاربردهای آن، الگوریتم های چند‑کلاسه نیز طراحی شدند و همچنان به عنوان یک پژوهش در حال بررسی است. اخیرا مدل هایی برای بهبود روش های چند‑کلاسه ارائه گردیده است. اغلب آن ها حالتی را بررسی می کنند که در آن ورودی ها غیرتصادفی هستند در حالی که در دنیای واقعی با داده های غیرقطعی و نادقیق مواجه هستیم. لذا در این مقاله به بررسی مدلی پرداخته شده است که در آن ورودی ها تصادفی و محدودیت های مسئله نیز احتمالی هستند. با استفاده از قضایای آماری و با استفاده از امیدریاضی، محدودیت های مسئله از حالت احتمالی خارج شده است. سپس از روش برآورد گشتاوری، برای برآورد امیدریاضی استفاده شده است. با استفاده از شبیه سازی مونت کارلو به تولید داده های مصنوعی پرداخته و از روش بازنمونه گیری بوت استرپ نمونه ها را به عنوان ورودی به مدل داده و دقت مدل مورد بررسی قرار گرفته است. در نهایت مدل پیشنهادی را با داده های واقعی آموزش داده و دقت آن با شاخص های آماری ارزیابی شده است. نتایج حاصل از شبیه سازی و مثال واقعی برتری کارایی مدل پیشنهادی را بر مدل های مبتنی بر ورودی های قطعی نشان می دهد

کلمات کلیدی