کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6862685 677015 2013 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A study on the application of instance selection techniques in genetic fuzzy rule-based classification systems: Accuracy-complexity trade-off
ترجمه فارسی عنوان
یک مطالعه در مورد کاربرد تکنیک های انتخاب نمونه در سیستم های طبقه بندی مبتنی بر قاعده ژنتیکی: کمبود پیچیدگی دقت
کلمات کلیدی
انتخاب نمونه، انتخاب مجموعه آموزش، طبقه بندی های مبتنی بر قاعده فازی، الگوریتمهای تکاملی، سیستم های فازی ژنتیکی، پیچیدگی دقت ترکیب کردن،
ترجمه چکیده
هدف این مقاله، بررسی اثربخشی 36 روش انتخاب مجموعه تمرین در ترکیب با سیستم های طبقه بندی مبتنی بر قاعده ژنتیکی است. با استفاده از 37 مجموعه داده ای از اندازه های مختلف نشان می دهد که برخی از این روش ها می تواند به طور قابل توجهی به کاهش زمان محاسبات فرآیند تکاملی و کاهش پیچیدگی مدل های مبتنی بر قاعده فازی با کاهش بسیار محدودی از دقت آنها در رابطه با مدل ها تولید شده با استفاده از مجموعه آموزش های کلی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک مطالعه در مورد کاربرد تکنیک های انتخاب نمونه در سیستم های طبقه بندی مبتنی بر قاعده ژنتیکی: کمبود پیچیدگی دقت
چکیده انگلیسی
The aim of this paper is to analyze the effectiveness of 36 training set selection methods when combined with genetic fuzzy rule-based classification systems. Using 37 datasets of different sizes we show that some of these methods can considerably help to reduce the computational time of the evolutionary process and to decrease the complexity of the fuzzy rule-based models with a very limited decrease of their accuracy with respect to the models generated by using the overall training set.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 54, December 2013, Pages 32-41
نویسندگان
, , , , ,