ارائه روش جدید مبتنی بر برنامه نویسی ژنتیک برای وزن دهی قوانین فازی در طبقه بندی نامتوازن

نویسندگان

محبوبه مهدی زاده

mahboubeh mahdizadeh mashhad- hashemi nejad avenue,no. 386مشهد - خیابان شهید هاشمی نژاد - پلاک 386 مهدی افتخاری

mahdi eftekhari kermanکرمان

چکیده

در زمینه مسائل طبقه بندی، اغلب با کلاس هایی مواجه می شویم که تعداد نمونه های متفاوتی دارند یعنی کلاس هایی با تعداد نمونه زیاد و کلاس هایی با تعداد نمونه ی کم؛ این مسائل «مسائل طبقه بندی با مجموعه داده های نامتوازن» نامیده می شوند. سیستم های طبقه بندی مبتنی بر قوانین فازی(frbcss) یکی از رایج ترین سیستم های مدلسازی فازیِ استفاده شده، برای حل مسائل طبقه بندی می باشند. وزن دهیِ قوانین اغلب برای بهبود دقت طبقه بندی استفاده می شود ومعمولاً نسخه های فازیِ confidence و support برای تولید وزن قوانین فازی بکار می روند. در این مقاله، یک روش تکاملی بر مبنای برنامه نویسی ژنتیک برای تولید عبارات مربوط به وزن ارائه می شود. برای تولید عبارات از چهار معیار confidence، support، lift و recall به عنوان پایانه های برنامه نویسی ژنتیک استفاده می کنیم. آزمایش را بر روی 20 مجموعه داده از مجموعه داده های keel اجرا و سپس نتایج بدست آمده را با استفاده از تست های آماری تحلیل می کنیم. نتایج حاصل، نشان می دهد که کارایی frbcs با استفاده از روش پیشنهادی بهبود می یابد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارائه‌روش جدید مبتنی‌بر برنامه‌نویسی ژنتیک برای وزن‌دهی قوانین فازی در طبقه‌بندی نامتوازن

In classification problems, we often encounter datasets with different percentage of patterns (i.e. classes with a high pattern percentage and classes with a low pattern percentage). These problems are called “classification Problems with imbalanced data-sets”. Fuzzy rule based classification systems are the most popular fuzzy modeling systems used in pattern classification problems. Rule weights...

متن کامل

قوانین جدید برای توقف طبقه بندی در دارنگاره twinspan

هدف از پژوهش حاضر، ارایه یک الگوریتم اصلاح شده از twinspan و معرفی توابع جدید برای توقف طبقه بندی در دارنگاره twinspan است. twinspan اصلاح شده، با تلفیق آنالیز ناهمگنی خوشه ها پیش از هر تقسیم، ضمن این که از تفکیک تحمیلی خوشه های همگن جلوگیری می کند، بلکه با اجرای فرآیند طبقه بندی به صورت گام به گام، محدودیت روش twinspan معمولی مبنی بر این که تعداد خوشه ها در سطوح بعدی باید دو برابر سطح قبلی باش...

متن کامل

یک روش جدید برای انتخاب ویژگی مبتنی بر منطق فازی

چکیده: انتخاب ویژگی یکی از چالش برانگیز ترین و از مهمترین فعالیت‌ها در توسعه یادگیری ماشین و تشخیص الگوست. معیارهای ارزیابی ویژگی نقش بسیار مهمی برای ساخت یک الگوریتم انتخاب ویژگی دارند. در این مقاله یک معیار انتخاب ویژگی اصلاح شده با استفاده از منطق فازی برای انتخاب تعداد ویژگی‌های مورد نیاز ارائه می شود. این معیار به شکل غیر فازی در تحقیقات قبلی استفاده می‌شود، اما در این مقاله با تعریف تعداد...

متن کامل

ارائه یک روش ابتکاری ترکیبی مبتنی بر الگوریتم ژنتیک برای حل مسأله هاب پوششی در حالت فازی

Hub location problem is one of the new issues in location problems. This kind of location problem is widely used in many transportation  and telecommunication networks. Hubs are facilities that serve as transshipment and switching point to consolidate flows at certain locations for transportation,airline and postal systems so they are vital elements of such these networks. The location and numb...

متن کامل

یک روش ترکیبی خوشه بندی مبتنی بر الگوریتم ژنتیک با استفاده از عملگر های جدید تغییر

  The clustering problem under the criterion of minimum sum of squares is a non-convex and non-linear program, which possesses many locally optimal values, resulting that its solution often being stuck at locally optimal values and therefore cannot converge to global optima solution. In this paper, we introduce several new variation operators for the proposed hybrid genetic algorithm for the cl...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
پردازش علائم و داده ها

جلد ۱۱، شماره ۲، صفحات ۱۱۱-۱۲۵

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023