طراحی یک دستهبند شرکتپذیر براساس قوانین وابستگی فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 473

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CRSTCONF01_032

تاریخ نمایه سازی: 27 اسفند 1394

چکیده مقاله:

بحث درباره موضوع دستهبندی براساس قوانین وابستگی یکی از زمینههای موثر و پرکاربرد در دنیای امروز به حساب میآید. یکی از مشکلاتی که در این زمینه وجود دارد، مسئله لبههای تیز و حساس می-باشد که هنگام استخراج قوانین در دامنهی ویژگیهای کمی رخ میدهد. هدف این مقاله تغییر در تعاریف و فرمولها برای ارائه یک شیوه بهبود یافته از دستهبندهای شرکتپذیر میباشد که به دستهبندیبراساس قوانین وابستگی معروف است و از منطق فازی برای رفع مشکل مرزهای تیز و حساس و ایجاد نقاطی انعطاف پذیرتر بهره میگیرد. همچنین برای بهبود در مفاهیم پشتیبان و اطمینان قوانین بدستآمده، تغییراتی اعمال میشود که تاثیر قابل توجهی بر حشو و تداخل قوانین ایجاد میکند. نتایج تجربی بدست آمده به روشنی نشان میدهد که الگوریتم مطرح شده از الگوریتمهای دیگر، هم قابل فهمتر بوده یعنی دارای تعداد قوانین تولید شده کمتری میباشد و هم به دلیل برخوردی که با لبههای تیز و حساس دارد از دقت بیشتری نیز برخوردار است.

نویسندگان

مجتبی هروی

کارشناس ارشد مهندسی دانش و علوم تصمیم؛ از شرکت توزیع نیروی برق اهواز؛ عضو باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد قزوین، ا

تبسم عظیمی گله

کارشناس ارشد مدیریت بازرگانی بازاریابی؛ از شرکت توزیع نیروی برق اهواز

محمدباقر منهاج

استاد گروه مهندسی برق، دانشگاه صنعتی امیرکبیر تهران

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 :
  • A. Silberschatz and A. Tuzhilin. (1995). On Subjective Measures of ...
  • B. C. Chien, Z. L. Lin and T. P. Hong. ...
  • B. Liu, W. Hsu and Y Ma. (1998). Integrating classification ...
  • B. Liu, Y. Ma and C. Wong. (2001). Classification using ...
  • Bakk. Lukas Helm. (2007). Fuzzy Association Rules An Imp lementation ...
  • C. Merz and P. Murphy. (1996). UCI repository of machine ...
  • C. Wu, D. Landgrebe and P. Swain. (1975). The decision ...
  • D. Meretakis and B. Withrich. (1999). Extending naive Bayes classifiers ...
  • G. Chen and Q. Wei. (2002). Fuzzy Association Rules and ...
  • G. Chen, H. Liu, L, Yu, Q.Wei and X. Zhang. ...
  • G. Chen, P. Yan and E. E. Kerre. (2004). Comp ...
  • G. Piatetsky Shapiro, U. Fayyad and P. Smyth. (1996). From ...
  • H. Ishibuchi, T. Nakashima and T. Yamamoto. (2001). Fuzzy Association ...
  • H. Mannila, H. Toivonen and A.I. Verkamo. (1994). Efficient Algorithms ...
  • H. Toivonen. (1996). Sampling large databases for association rules, in ...
  • I. Iancu, M. Gabroveanu and A. Giurca. (2006). Some Quality ...
  • J. R. Quinlan. (1993) C4.5: Programs for Machine Learning, Morgan ...
  • J. Roberto and , Bayardo. (1997. Brute-force mining of h ...
  • _ De Cock, C. Cornelis and E. E. Kerre. (2005). ...
  • M. Heravi and . Setayeshi. (2014). Intelligent and Fast Recognition ...
  • M. Heravi, A. Akramizadeh, M. Pourakbar and M. B. Menhaj. ...
  • N. Friedman, D. Geiger and M. Goldszmidt. (1997). Bayesian network ...
  • P. Perner and S. Trautzsch. (1998). Multi-Intervat Discretization Methods for ...
  • R. Agrawal and R. Srikant. (1994). Fast algorithm for mining ...
  • R. Agrawal, T. Imielinski and A. Swami. (1993). Mining association ...
  • R. Kerber. (1992). ChiMerge: Discretization of Numeric Attributes, Learning: Inductive, ...
  • T. Fukuda, Y. Morimoto and S. Morishita. (1996). Data mining ...
  • T. Hong, C. Kuo, S. Chi and S. Wang. (2000). ...
  • T. Hong, K. Lin and S. Wang. (2003). Fuzzy data ...
  • T. Kohonen. (1995). S elf-Organizing Maps, Springer Verlag, 1995. ...
  • U. M. Fayyad and K. B. Irani. (1993). Multi-intervat discretization ...
  • W. Au and K. C. C. Chan. (2001). Classification with ...
  • st IEEE Int. Conf. _ Data Mining (San Jose, CA, ...
  • W. Li, J. Han and J. Pe. (2001). CMAR: Accurate ...
  • نمایش کامل مراجع