دوره 11، شماره 2 - ( 12-1393 )                   جلد 11 شماره 2 صفحات 111-125 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

mahdizadeh M, eftekhari M. A new fuzzy rules weighting approach based on Genetic Programming for imbalanced classification . JSDP. 2015; 11 (2) :111-125
URL: http://jsdp.rcisp.ac.ir/article-1-28-fa.html
مهدی زاده محبوبه، افتخاری مهدی. ارائه‌روش جدید مبتنی‌بر برنامه‌نویسی ژنتیک برای وزن‌دهی قوانین فازی در طبقه‌بندی نامتوازن. پردازش علائم و داده‌ها. 1393; 11 (2) :111-125

URL: http://jsdp.rcisp.ac.ir/article-1-28-fa.html


دانشگاه شهید باهنر کرمان
چکیده:   (3945 مشاهده)
در زمینه مسائل طبقه‌بندی، اغلب با کلاس‌هایی مواجه می‌شویم که تعداد نمونه‌های متفاوتی دارند یعنی کلاس‌هایی با تعداد نمونه زیاد و کلاس‌هایی با تعداد نمونه‌ی کم؛ این مسائل «مسائل طبقه‌بندی با مجموعه‌داده‌های نامتوازن» نامیده می‌شوند. سیستم‌های طبقه‌بندی مبتنی بر قوانین فازی(FRBCSs) یکی از رایج‌ترین سیستم‌های مدلسازی فازیِ استفاده شده، برای حل مسائل طبقه‌بندی می‌باشند. وزن‌دهیِ قوانین اغلب برای بهبود دقت طبقه‌بندی استفاده می‌شود ومعمولاً نسخه‌های فازیِ confidence و support برای تولید وزن قوانین فازی بکار می‌روند. در این مقاله، یک روش تکاملی بر مبنای برنامه‌نویسی ژنتیک برای تولید عبارات مربوط به وزن ارائه می‌شود. برای تولید عبارات از چهار معیار confidence، support، lift و recall به عنوان پایانه‌های برنامه‌نویسی ژنتیک استفاده می‌کنیم. آزمایش را بر روی 20 مجموعه‌داده از مجموعه‌داده‌های keel اجرا و سپس نتایج بدست آمده را با استفاده از تست‌های آماری تحلیل می‌کنیم. نتایج حاصل، نشان می‌دهد که کارایی FRBCS با استفاده از روش پیشنهادی بهبود می‌یابد.
متن کامل [PDF 2866 kb]   (1256 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۲/۲/۷ | پذیرش: ۱۳۹۳/۶/۳۰ | انتشار: ۱۳۹۴/۱/۲ | انتشار الکترونیک: ۱۳۹۴/۱/۲

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.