Membership Functions Effect for Creating Fuzzy Classifiers Ensemble

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,061

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECIT01_699

تاریخ نمایه سازی: 14 شهریور 1392

چکیده مقاله:

Ensemble of classifiers is a new method to achieve more accurate classifiers. Diversity among the members of a team of classifiers is deemed to be a key issue in classifiercombination. However, measuring diversity is not straightforward because there is no generally accepted formal definition. There are several methods for measuring diversity.In this paper we try to measure diversity in fuzzy classifiers ensemble versus different fuzzy membership functions. Ournumerical result shows that using triangular membership function in fuzzy classifiers is better than others

نویسندگان

Mohammadreza Hassanzadeh

Babol university of technology,

Gholamreza Ardeshir

Babol university of technology,

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 :
  • 1771 0.040)6 0.0856 0.2126 0.6857 0.0271 0.2041 O.0302 0.0986 0.1108 ...
  • dsig 0.1951 0.0322 0.0943 0.1359).752 0.0187 gauss2 0.1779).0308 0.086 0.1559).743 ...
  • 0504 .1899 0.0243 0.8509 0.117 0.1447 0.0543 0.1756 0.0263 0.832 ...
  • gauss2 0.0509 0.1695 0.0246 0.838 .1304 0.1325 gauss 0.0471 .1905 ...
  • نمایش کامل مراجع