NEW CRITERIA FOR RULE SELECTION IN FUZZY LEARNING CLASSIFIER SYSTEMS
محل انتشار: مجله سیستم های فازی، دوره: 3، شماره: 1
سال انتشار: 1385
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 138
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFS-3-1_007
تاریخ نمایه سازی: 24 خرداد 1401
چکیده مقاله:
Designing an effective criterion for selecting the best rule is a major problem in theprocess of implementing Fuzzy Learning Classifier (FLC) systems. Conventionally confidenceand support or combined measures of these are used as criteria for fuzzy rule evaluation. In thispaper new entities namely precision and recall from the field of Information Retrieval (IR)systems is adapted as alternative criteria for fuzzy rule evaluation. Several differentcombinations of precision and recall are redesigned to produce a metric measure. These newlyintroduced criteria are utilized as a rule selection mechanism in the method of Iterative RuleLearning (IRL) of FLC. In several experiments, three standard datasets are used to compare andcontrast the novel IR based criteria with other previously developed measures. Experimentalresults illustrate the effectiveness of the proposed techniques in terms of classificationperformance and computational efficiency.
کلیدواژه ها:
نویسندگان
MEHDI EFTEKHARI
DEPARTMENT OF COMPUTER SCIENCE AND ENGINEERING, SHIRAZ UNIVERSITY, SHIRAZ, IRAN
MANSOUR ZOLGHADRI JAHROMI
DEPARTMENT OF COMPUTER SCIENCE AND ENGINEERING, SHIRAZ UNIVERSITY, SHIRAZ, IRAN
SERAJEDDIN KATEBI
DEPARTMENT OF COMPUTER SCIENCE AND ENGINEERING, SHIRAZ UNIVERSITY, SHIRAZ, IRAN
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 :