Improving the Accuracy of the CORER Classifier Using a Hybrid Approach
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 939
فایل این مقاله در 6 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:
ICS11_273
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
Rule generator classification algorithms have been successfully used in applications of data mining. The objective of this paper is to improve the accuracy of data classification task. For this purpose, we have merged the CORER classifier (Colonial cOmpetitive Rule-based classifiER) with another rule-based classifier. More specially, the extracted rules of the PART algorithms have been used as the initial rules of CORER. In order to approve the proposed approach capability, two different data sets from UCI machine learning database repository have been applied. To assess the performance of improved CORER, we compared our results with some other well-known classifiers, namely C4.5, CN.2, ID3, PART and CORER which brings about superior results. Our findings lead us to believe that the proposed approach may provide better performance for critical fields which need more precise classification algorithms
کلیدواژه ها:
نویسندگان
Sahar Gazani
Dept. of Computer Engineering ,University of Qom, Qom, Iran
Behrouz Minaie-Bidgoli
School of Computer Engineering, Iran University of Science & Technology, Tehran, 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 :