hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A general framework for designing a fuzzy rule-based classifier
Högskolan i Halmstad, Sektionen för Informationsvetenskap, Data– och Elektroteknik (IDE), Halmstad Embedded and Intelligent Systems Research (EIS), Laboratoriet för intelligenta system.ORCID-id: 0000-0003-2185-8973
Kaunas University of Technology.
Kaunas University of Technology.
Kaunas University of Technology.
2011 (Engelska)Ingår i: Knowledge and Information Systems, ISSN 0219-1377, E-ISSN 0219-3116, Vol. 29, nr 1, s. 203-221Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

This paper presents a general framework for designing a fuzzyrule-based classifier. Structure and parameters of the classifierare evolved through a two-stage genetic search. To reduce the searchspace, the classifier structure is constrained by a tree createdusing the evolving SOM tree algorithm. Salient input variables arespecific for each fuzzy rule and are found during the genetic searchprocess. It is shown through computer simulations of four real worldproblems that a large number of rules and input variables can beeliminated from the model without deteriorating the classificationaccuracy. By contrast, the classification accuracy of unseen data isincreased due to the elimination.This paper presents a general framework for designing a fuzzyrule-based classifier. Structure and parameters of the classifierare evolved through a two-stage genetic search. To reduce the searchspace, the classifier structure is constrained by a tree createdusing the evolving SOM tree algorithm. Salient input variables arespecific for each fuzzy rule and are found during the genetic searchprocess. It is shown through computer simulations of four real worldproblems that a large number of rules and input variables can beeliminated from the model without deteriorating the classificationaccuracy. By contrast, the classification accuracy of unseen data isincreased due to the elimination.

Ort, förlag, år, upplaga, sidor
London: Springer London, 2011. Vol. 29, nr 1, s. 203-221
Nyckelord [en]
Classifier, Fuzzy rule, Genetic algorithm, Knowledge extraction, Variable selection, Evolving SOM tree
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:hh:diva-5825DOI: 10.1007/s10115-010-0340-xISI: 000295482900008Scopus ID: 2-s2.0-80053296433OAI: oai:DiVA.org:hh-5825DiVA, id: diva2:352177
Tillgänglig från: 2010-09-18 Skapad: 2010-09-18 Senast uppdaterad: 2018-01-12Bibliografiskt granskad

Open Access i DiVA

fulltext(954 kB)552 nedladdningar
Filinformation
Filnamn FULLTEXT03.pdfFilstorlek 954 kBChecksumma SHA-512
d942ecb1a89c69f4ed77399833c0246d98060cc4073071b1657371cfe4bf97a2cc5245b3c3d216580159f258ec6f576a30d7a5953b69481438f8b2ccb0d3c4b8
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Verikas, Antanas

Sök vidare i DiVA

Av författaren/redaktören
Verikas, Antanas
Av organisationen
Laboratoriet för intelligenta system
I samma tidskrift
Knowledge and Information Systems
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 757 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 296 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf