یادگیری درخت تصمیم فازی نوع دوم بازهای

وحید آقاجانی کلجاهی; محمدمهدی عبادزاده

یادگیری درخت تصمیم فازی نوع دوم بازهای

محل انتشار: یازدهمین کنفرانس سیستم های فازی ایران

سال انتشار: 1390

نوع سند: مقاله کنفرانسی

زبان: فارسی

مشاهده: 2,371

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/119227

شناسه ملی سند علمی:

ICFUZZYS11_141

تاریخ نمایه سازی: 4 مرداد 1390

چکیده مقاله:

در این مقاله به بررسی الگوریتم درختهای تصمیم فازی نوع دوم بازهایIT2FDTs) پیشنهادی میپردازیم. که یک الگوریتم کارا برای یادگیری مجموعه داده ها است. مجموعه دادههای استفاده شده در این درختها برای هر خصیصه، مجموعههای فازی نوع دوم بازهای میباشد. این مجموعههای فازی نوع دوم بازه ای توسط الگوریتم خوشهبندیFCM نوع دوم بازهای تولید و ایجاد میشوند. این الگوریتم، اجازهی تولیدIT2FDT هایی را میدهد که تفسیر و فهم آنها ساده است . برای نمایش کارایی روش پیشنهادی و همچنین مقایسهی آن با نتایج درختهای تصمیم فازی نوع اول، از دو مجموعهی محک بیماری تیروئید و سرطان سینه ، استفاده شده است. نتایج آزمایشات کارایی روش پیشنهادی را در مقابله با دادههای نویزی نشان میدهد.

کلیدواژه ها:

درخت تصمیم ، منطق فازی نوع دوم بازهای ، خوشه بندیFCM نوع دوم بازهای ، استخراج قوانین فازی

نویسندگان

وحید آقاجانی کلجاهی

دانشگاه آزاد اسلامی واحد قزوین

محمدمهدی عبادزاده

دانشگاه امیرکبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

_ Adamo, J.M., Fuzzy Decision Trees, Fuzzy Sets and Systems ...
. Bezdek, C."Pattern Recognition with Fuzzy Objective Function Algorithms" Plemum ...
. Bartczuk, L., Rutkowska, D., The New Version of Rutkowski, ...
Tadeusiewicz, R., Zadeh, L, A, Zurada, J.M. (eds.) ICAISC 2006. ...
.LNCS (LNAI), vol. 4029, pp: 1060-1070. Springer, Heidelberg, _ ...
. Bartczuk, L., Rutkowska, D., Fuzzy Decision Tres of Type-2, ...
. Bilski, J., The UD RLS Algorithm for Training Feedforward ...
IEEE, Budapest, Ungheria, PP: 669-674, 2004. ...
. Castellano, G., Fanelli, A.M., Mencar, C., A Double- Clustering ...
. Czekalski, P., Evolution -Fuzzy Rule Based System with P ...
. Dubois, D., _ H., Fuzzy Sets and Systems, Theory ...
. Haykin, S., Neural Networks, A comprehensive Foundation, Macmilan, 1994. ...
. Hwang, C., Rhee, F.C.-H, Uncertain Fuzzy Clustering, Interval Type-2 ...
. Jager, R., Fuzzy Logic in Control, Ph.D. Dissertation, Techniseche ...
. Janikow, C.Z., Fuzzy Decision Trees, Issues and Methods, IEEE ...
. Janikow, C.Z., Examlar Learning in Fuzzy Decision Trees, In: ...
. Leski, J., Henzel, N., A Neuro-Nuzzy System Based Rules, ...
International Journal of Applied Mathematics and Computer Science10(4), PP: 703-722, ...
. Mendel, J.M., Uncertain Rule-Based Fuzzy Logic Systems - Introduction ...
. Quinlan, J.R., Introduction of Decision Trees, Machine Learning 1, ...
. Quinlan, J.R., C4.5: Programs for Machine Learning, Morgan Kufmann ...
. _ _ _ _ Intelligence, PP: 343-348, World Scientific, ...
. Piegat, A., Fuzzy Modeling and Control, Physica- verlag, 2001. ...
. Rutkowska, D., Neuro-Fuzzy Architectures and Hybrid Learning, Phys ica-Verlag, ...
. Rutkowska, D., Nowicki, R., Implication-B ased Neuro-Fuzzy Architectures, International ...
. Rutkowska, L., Methods and Techniques of Artificial Intelligence, PWN, ...
. Yager, R.R., Ranking Fuzzy Subsets Over the Unit Interval, ...
. Zadeh, L.A., Fuzzy Sets, Information and Control 8, PP: ...
. Zadeh, _ The Concept of a Linguistic Variable and ...
. Zurada, J.M.. Introduction to Artificial Neural Systems, West Publishing ...

نمایش کامل مراجع