拉维,V。;P.J.雷迪。;H.-J.齐默尔曼。 用于分类的模糊规则库生成及其通过修改阈值接受最小化。 (英语) Zbl 0994.90145号 模糊集系统。 120,第2期,271-279(2001). 摘要:本文介绍了一种改进的阈值接受算法(MTA)的应用,该算法在保证高分类能力的同时,最小化基于模糊规则的分类系统中的规则数。就所需的计算时间而言,MTA优于文献中应用于此多目标组合优化问题的GA方法。以使用的规则数量和分类权为目标。原始模型H.Ishibuchi先生,K.野崎,N.山本和H.田中[IEEE Trans.Fuzzy Systems 3,260-270(1995)]通过使用各种聚合器(例如,gamma操作符(补偿性和)、Fuzzy操作符和min-max操作符的凸组合代替乘积和min-操作符)进行了进一步修改。以Fisher的著名Iris数据和文献中出现的其他数据为例,证明了本模型的性能。在所有情况下所需的计算时间更少,在测试阶段(在leave-on-out技术中)的分类率更好,是本模型的重要贡献。 引用于1文件 MSC公司: 90摄氏度70 模糊和其他非随机不确定性数学规划 90C29型 多目标规划 90 C59 数学规划中的近似方法和启发式 90C27型 组合优化 关键词:模糊if-then规则库;修改阈值接受;启发式算法;多目标组合优化问题 PDF格式BibTeX公司 XML格式引用 \textit{V.Ravi}等人,《模糊集系统》。120,第2号,271--279(2001;Zbl 0994.90145) 全文: 内政部 参考文献: [1] 卡多佐,M.F。;Salcedo,R.L。;de Azevedo,S.F.,《非平衡模拟退火——组合优化的快速方法》,工业工程化学。决议,第33号,1908-1918(1994) [2] Dueck,G.,《新优化启发式大洪水算法和记录到记录的旅行》,J.Compute。物理。,104, 86-92 (1993) ·Zbl 0773.65042号 [3] 杜克·G。;Scheuer,T.,Threshold accepting一种通用优化算法,优于模拟退火,J.Compute。物理。,90, 161-175 (1990) ·Zbl 0707.65039号 [4] Fisher,R.A.,《分类问题中多重测量的使用》,Ann.Eugen。,7, 179-188 (1936) [5] Ishibuchi,H。;Nozaki,K。;Tanaka,H.,模糊规则的分布式表示及其在模式分类中的应用,模糊集与系统,52,21-32(1992) [6] Ishibuchi,H。;Nozaki,K。;山本,N。;Tanaka,H.,使用遗传算法为分类问题选择模糊if-then规则,IEEE Trans。模糊系统,3260-270(1995) [7] Kosko,B.,《神经网络和模糊系统》(1992),普伦蒂斯·霍尔公司:普伦蒂斯霍尔公司,新泽西州恩格尔伍德克利夫斯·Zbl 0755.94024号 [8] 廖天伟。;Li,D.,模糊K-NN算法的两个制造应用,模糊集和系统,92289-303(1997) [9] Rousseeuw,P.J。;考夫曼,L。;Trauwaert,E.,使用分散矩阵的模糊聚类,计算。统计师。数据分析。,23, 135-151 (1996) ·Zbl 0900.62321号 [10] 袁,Y。;庄浩,生成模糊分类规则的遗传算法,模糊集与系统,84,1-19(1996)·Zbl 0906.68131号 [11] Werners,B.,《数学规划中的聚合模型》(Mitra,G.,《决策支持的数学模型》(1988),Springer:Springer Berlin),295-319 [12] WINROSA,手册,麻省理工学院股份有限公司,亚琛,1997年。;WINROSA,手册,麻省理工学院股份有限公司,亚琛,1997年。 [13] D.H.Wolpert,W.G.Macready,《搜索的非自由激发定理》,技术报告SFI-TR-95-02-010,圣达菲研究所,美国新墨西哥州圣达菲,1995年。;D.H.Wolpert,W.G.Macready,《搜索的非自由激发定理》,技术报告SFI-TR-95-02-010,圣达菲研究所,美国新墨西哥州圣达菲,1995年。 [14] Wong,C.-C。;Lin,N.-S.,模糊建模的规则提取,模糊集与系统,88,23-30(1997) [15] 齐默尔曼,H.-J。;Zysno,P.,人类决策中的潜在连接词,模糊集与系统,4,37-51(1980)·Zbl 0435.90009号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。