کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10322266 660850 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Trustworthiness evaluation and retrieval-based revision method for case-based reasoning classifiers
ترجمه فارسی عنوان
ارزیابی قابلیت اطمینان و روش بازنگری مبتنی بر بازیابی برای طبقه بندی های استدلال مبتنی بر مورد
کلمات کلیدی
طبقه بندی های استدلال مبتنی بر مورد، دقت طبقه بندی، ارزیابی مورد، تجدید نظر در مورد،
ترجمه چکیده
برای دستیابی به عملکرد طبقه بندی بهتر با استفاده از طبقه بندی های استدلال مبتنی بر پرونده، ما یک روش تجدید نظر مبتنی بر بازیابی با ارزیابی قابل اعتماد برای حل مسئله پیشنهاد می کنیم. یک روش ارزیابی مورد استفاده برای ارزیابی اعتماد راه حل پیشنهاد شده پس از مرحله استفاده مجدد، که موارد مورد و راه حل های پیشنهاد شده آن را به یک مجموعه قابل اعتماد و یک مجموعه غیرقابل اعتماد با توجه به مقدار آستانه اعتماد تقسیم می کند، مورد استفاده قرار می گیرد. وزنهای ویژگی با استفاده از الگوریتم ژنتیک تنظیم می شوند و در دور دوم بازیابی مجموعه غیر قابل اعتماد برای به دست آوردن نتایج طبقه بندی استفاده می شوند. نتایج تجربی نشان می دهد که روش پیشنهادی ما نسبت به سایر روش ها مطلوب است. همچنین روش پیشنهادی، پیچیدگی محاسباتی را برای ارزیابی اعتماد به کار می گیرد و درک تفکر و استنتاج را برای طبقه بندی های استدلال مبتنی بر پرونده افزایش می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
ارزیابی قابلیت اطمینان و روش بازنگری مبتنی بر بازیابی برای طبقه بندی های استدلال مبتنی بر مورد
چکیده انگلیسی
To achieve better classification performance using case-based reasoning classifiers, we propose a retrieval-based revision method with trustworthiness evaluation for problem solving. An improved case evaluation method is employed to evaluate the trustworthiness of the suggested solution after the reuse step, which will divide the target cases and its suggested solutions into a trustworthy set and an untrustworthy set in accordance with a threshold value of trustworthiness. The attribute weights are adjusted by running a genetic algorithm and are used in the second round of retrieval of the untrustworthy set to obtain the classification results. Experimental results demonstrate that our proposed method performs favorably compared with other methods. Also, the proposed method has less computation complexity for the trustworthiness evaluation, and enhances understanding on thinking and inference for case-based reasoning classifiers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 21, 30 November 2015, Pages 8006-8013
نویسندگان
, ,