کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943078 1437623 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evaluation of quality measures for contrast patterns by using unseen objects
ترجمه فارسی عنوان
ارزیابی اقدامات کیفی برای الگوهای کنتراست با استفاده از اشیای غیر قابل مشاهده
کلمات کلیدی
الگوهای کنتراست، اندازه گیری کیفیت، برآورد کیفیت، متاآنالیز،
ترجمه چکیده
الگوهای کنتراست، که در هسته ترین طبقه بندی های قابل فهم قرار می گیرند، به وسیله معیارهای کیفی مورد ارزیابی قرار می گیرند. از آنجاییکه بسیاری از اقدامات کیفی مختلف در دسترس هستند، آنها باید مقایسه شوند تا مناسب ترین برای هر برنامه انتخاب شوند. این مقاله یک روش برای مقایسه مقادیر کیفی، با استفاده از مجموعه ای از الگوهای معدن و مجموعه ای از اشیائی که برای معدن مورد استفاده قرار نمی گیرند، معرفی می شود. مقایسه با همبستگی ارزش های کیفی با برآورد کیفی الگوها انجام می شود. علاوه بر این، یک مطالعه فراگیر یادگیری برای نشان دادن این است که ترکیب اقدامات کیفی می تواند بهتر از استفاده از بهترین اقدامات تک در انزوا باشد. نتایج این مقاله می تواند به محققان برای ایجاد معیارهای کیفی جدید و یا یافتن ترکیب جدید اقدامات کیفی برای ایجاد سیستم های طبقه بندی بهتر قابل درک کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Contrast patterns, which lie in the core of most understandable classifiers, are frequently evaluated by quality measures. Since many different quality measures are available, they should be compared to select the most appropriate for each applications. This paper introduces a method to compare quality measures, using a set of mined patterns and a collection of objects not used for mining. The comparison is performed by correlating quality values with a quality estimation of the patterns. Additionally, a meta-learning study is performed to show that combining quality measures could be better than using the best single measures in isolation. The results of this paper can help researchers to create new quality measures or to find new combinations of quality measures to create better understandable classification systems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 83, 15 October 2017, Pages 104-113
نویسندگان
, , , ,