On mining fuzzy classi cation rules for imbalanced data
- سال انتشار: 1390
- محل انتشار: یازدهمین کنفرانس سیستم های فازی ایران
- کد COI اختصاصی: ICFUZZYS11_038
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1628
نویسندگان
Jahrom Higher Education Complex, Computer dept
چکیده
Fuzzy rule-based classi cation system (FRBCS) is a popular machine learning technique for classi cation purposes. One of the major issues when applying it on imbalanceddata sets is its biased to the majority class, such that, it performs poorly in respect to the minority class. However many cases the minority classes are more important than the majority ones. In this paper, we have extended the basic FRBCS in order to decrease the side e ects of imbalanced data by employing data-mining criteria such as con dence and support. These measures are computed from information derived from data in the subspaces of each fuzzy rule. The experimental results show that the proposed method can improve the classi cation accuracy when applied on benchmark data setsکلیدواژه ها
Imbalanced data-sets, Fuzzy rule based classication systems, Data-miningاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.