• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2011 IEEE International Conference on Systems, Man, and Cybernetics >Combining interpretable fuzzy rule-based classifiers via multi-objective hierarchical evolutionary algorithm
【24h】

Combining interpretable fuzzy rule-based classifiers via multi-objective hierarchical evolutionary algorithm

机译：通过多目标层次进化算法组合可解释的基于模糊规则的分类器

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The contributions of this paper are two-fold: firstly, it employs a multi-objective evolutionary hierarchical algorithm to obtain a non-dominated fuzzy rule classifier set with interpretability and diversity preservation. Secondly, a reduce-error based ensemble pruning method is utilized to decrease the size and enhance the accuracy of the combined fuzzy rule classifiers. In this algorithm, each chromosome represents a fuzzy rule classifier and compose of three different types of genes: control, parameter and rule genes. In each evolution iteration, each pair of classifiers in non-dominated solution set with the same multi-objective qualities are examined in terms of Q statistic diversity values. Then, similar classifiers are removed to preserve the diversity of the fuzzy system. Finally, experimental results on the ten UCI benchmark datasets indicate that our approach can maintain a good trade-off among accuracy, interpretability and diversity of fuzzy classifiers.
机译：本文的贡献有两个方面：首先，它采用多目标进化层次算法来获得具有解释性和多样性保留性的非支配模糊规则分类器集。其次，利用基于减少误差的整体修剪方法来减小组合模糊规则分类器的大小并提高其准确性。在该算法中，每个染色体代表一个模糊规则分类器，并由三种不同类型的基因组成：控制基因，参数基因和规则基因。在每个演化迭代中，将根据Q统计量多样性值检查具有相同多目标质量的非支配解集中的每对分类器。然后，去除相似的分类器以保持模糊系统的多样性。最后，在十个UCI基准数据集上的实验结果表明，我们的方法可以在模糊分类器的准确性，可解释性和多样性之间保持良好的权衡。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号