Genetic generation of fuzzy knowledge bases: new perspectives (2012)
- Authors:
- Autor USP: CINTRA, MARCOS EVANDRO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ALGORITMOS GENÉTICOS; LÓGICA FUZZY; APRENDIZADO COMPUTACIONAL
- Keywords: Algoritmos genéticos; Aprendizado de máquina; Classificação; Classification; Feature selection; Fuzzy systems; Genetic algorithms; Genetic fuzzy systems; Machine learning; Seleção de atributos; Sistemas fuzzy; Sistemas fuzzy genéticos
- Language: Inglês
- Abstract: Este trabalho foca na geração genética de sistemas fuzzy. Uma das principais contribuições deste trabalho é a proposta do método FCA-BASED, que gera o espaço de busca genético usando a teoria de análise de conceitos formais por meio da extração de regras dos dados. Os resultados da avaliação experimental do método FCA-BASED demonstram sua robustez. O método FCABASED também produz um bom trade-off entre acurácia e interpretabilidade dos modelos gerados. Além disso, o método FCA-BASED apresenta melhorias em relação ao método DOC-BASED, uma abordagem proposta anteriormente. Essas melhorias estão relacionadas à redução do custo computacional para a geração do espaço de busca genético. Para ser capaz de trabalhar com conjuntos de dados de alta dimensão, foi também proposto o método FUZZYDT, uma versão fuzzy da clássica árvore de decisão C4.5. FUZZYDT é um método altamente escalável que apresenta baixo custo computacional e acurácia competitiva. Devido a essas características, o FUZZYDT é usado nesse trabalho como um método baseline para a avaliação experimental e comparações de outros métodos de classificação, fuzzy e clássicos. Também está incluido nesse trabalho a aplicação do método FUZZYDT em um problema do mundo real, o alerta da doença da ferrugem cafeeira em plantações brasileiras. Além disso, esse trabalho investiga a tarefa de seleção de atributos como forma de atacar o problema da dimensionalidade de sistemas fuzzy. Para esse fim, foi proposto o método FUZZYWRAPPER, umaabordagem baseada em wrapper que seleciona atributos levando em consideração as informações relevantes sobre a fuzificação dos atributos durante o processo de seleção. Esse trabalho também investiga a construção automática de bases de dados fuzzy, incluindo a proposta do método FUZZYDBD, que estima o número de conjuntos fuzzy que define todos os atributos de um conjunto de dados e distribui os conjuntos fuzzy proporcionalmente nos domínios dos atributos. Uma versão modificada do método FUZZYDBD, o método FUZZYDBD-II, também é proposta nesse trabalho. O método FUZZYDBD-II define números independentes de conjuntos fuzzy para cada atributo de um conjunto de dados por meio de funções de estimação
- Imprenta:
- Publisher place: São Carlos
- Date published: 2012
- Data da defesa: 10.04.2012
-
ABNT
CINTRA, Marcos Evandro. Genetic generation of fuzzy knowledge bases: new perspectives. 2012. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2012. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072012-144620/. Acesso em: 30 set. 2024. -
APA
Cintra, M. E. (2012). Genetic generation of fuzzy knowledge bases: new perspectives (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072012-144620/ -
NLM
Cintra ME. Genetic generation of fuzzy knowledge bases: new perspectives [Internet]. 2012 ;[citado 2024 set. 30 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072012-144620/ -
Vancouver
Cintra ME. Genetic generation of fuzzy knowledge bases: new perspectives [Internet]. 2012 ;[citado 2024 set. 30 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16072012-144620/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
