×
查利·达格迪亚（Zaineb Chelly Dagdia）；Zied Elouedi

一种基于树突状细胞的混合模糊保持分类方法。 （英文） 兹比尔07223587

J.分类。 37，第1期，第18-41页（2020年）.
摘要：树突状细胞算法（DCA）是一种基于天然树突细胞（DC）行为的分类算法。在文献中，DCA给出了良好的分类结果。然而，已知DCA对实例类的顺序很敏感。为了解决这个局限性，开发了一个模糊DCA版本，说明这种敏感性的原因与DCA清晰分类任务有关（假设1）。本文中，我们假设DCA敏感性的第二个可能原因与DCA信号数据集中可能存在的噪声实例有关（假设2）。因此，我们的目的首先是测试后一个假设的真实性，其次，我们的目标是开发一个综合考虑了这两个假设的混合DCA。基于假设1，我们的新DCA侧重于使用模糊集理论平滑清晰的分类任务。基于假设2，使用数据集清理技术来保证DCA信号数据集的质量。结果表明，我们提出的混合模糊保持算法成功地获得了感兴趣的结果。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

进化计算；模糊集理论；维修；分类

软件：

伦敦银行支持向量机；UCI-毫升；4.5条
PDF格式BibTeX公司 XML格式引用
\textit{Z.Chelly Dagdia}和\textit{Z.Elouedi}，J.Classif。37，编号1，18-41（2020；Zbl 07223587）
全文： 内政部

参考文献：

[1] 阿哈·D·。；Kibler，G。；Albert，MK，基于实例的学习算法，IEEE模糊系统汇刊，137-66（1991）
[2] Aldous，D.（1991）。连续随机树。《概率编年史》，第11728页·Zbl 0722.60013号
[3] Amaral，M.（2011年a）。使用模糊树状细胞算法检测模拟电路中的故障。第十届人工免疫系统国际会议论文集（第18-21页）。斯普林格。
[4] Amaral，M.（2011年b）。使用模糊树突状细胞发现危险。在混合智能模型和应用程序研讨会上（第21-27页）。IEEE标准。
[5] Asuncion，A.和Newman，D.（2007年）。UCI机器学习库。http://www.ics.uci.edu/mlearn/。
[6] Breiman，L.，随机森林，机器学习，45，1，5-32（2001）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324
[7] Bussian，B。；Härdle，M.，应用于白噪声和单个离群值污染拉曼光谱的稳健平滑，应用光谱学，383309-313（1984）·doi:10.366/003702844555629
[8] Chang，C.和Lin，C.（2001）。Libsvm：支持向量机库。在可用的软件中网址：http://www.csie.ntu.edu.tw/cjlin/libsvm。
[9] Chelly，Z.和Elouedi，Z.（2010年）。FDCM：一种模糊树突状细胞方法。第九届人工免疫系统国际会议论文集（第102-115页）。斯普林格。
[10] Chelly，Z.和Elouedi，Z.（2012a）。RC-DCA是基于粗糙集理论的树突状细胞算法的一种新的特征选择和信号分类技术。第11届人工免疫系统国际会议论文集（第152-165页）。斯普林格。
[11] Chelly，Z.和Elouedi，Z.（2012年b）。RST-DCA是一种基于粗糙集理论的树状细胞算法。《第19届神经信息处理国际会议论文集》（第480-487页）。斯普林格。
[12] Chelly，Z.和Elouedi，Z.（2013）。QR-DCA树突状细胞算法的一种新的粗数据预处理方法。第11届自适应和自然计算算法国际会议论文集（第140-150页）。
[13] 查利，Z。；Elouedi，Z.，基于不同模糊聚类技术的模糊树突状细胞免疫二元分类器的杂交方案，新一代计算，33，1，1-31（2015）·doi:10.1007/s00354-015-0101-1
[14] 查利，Z。；Elouedi，Z.，《树突状细胞算法的调查》，知识与信息系统，48，3，505-535（2016）·doi:10.1007/s10115-015-0891-y
[15] Chou，C.，Kuo，B.，Chang，F.（2006年）。广义压缩最近邻规则作为一种数据约简方法。《第18届模式识别国际会议论文集》（第556-559页）。IEEE标准。
[16] Cortes，C.和Vapnik，V.（1995年）。支持向量网络。机器学习，第273-297页·兹比尔08316.8098
[17] 崔，Z。；Xiao，R.，《生物激励计算：理论与应用》，《多值逻辑与软计算杂志》，22，217-221（2014）
[18] Dasu，T.和Johnson，T.（2003）。探索性数据挖掘和数据清理（第479卷）。纽约：威利·Zbl 1027.62002号
[19] Ester，M.、Kriegel，H.、Sander，J.、Xu，X.（1996）。一种基于密度的算法，用于在带有噪声的大型空间数据库中发现簇。第二届知识发现国际会议论文集（第226-231页）。
[20] 菲尔兹莫瑟，P。；加勒特，R。；Reimann，C.，《勘探地球化学中的多变量异常值检测》，计算机与地球科学，31779-587（2005）·doi:10.1016/j.cageo.2004.11.013
[21] Gates，W.，《简化最近邻规则》，IEEE信息理论汇刊，18431-433（1972）·doi:10.10109/TIT.1972.1054809
[22] Greensmith，J.（2007）。树突状细胞算法。诺丁汉大学博士论文。
[23] Greensmith，J.和Aickelin，U.（2005年）。引入树突状细胞作为一种新的免疫激发异常检测算法。《第四届人工免疫系统国际会议论文集》（第153-167页）。斯普林格。
[24] Greensmith，J.和Aickelin，U.（2006年）。树突状细胞算法的阐述和澄清。第五届人工免疫系统国际会议论文集（第404-417页）。斯普林格。
[25] Greensmith，J.和Aickelin，U.（2007年）。树突状细胞算法在机器人分类器中的应用。第六届人工免疫系统国际会议论文集（第204-215页）。斯普林格。
[26] Greensmith，J.和Aickelin，U.（2008年）。确定性树突状细胞算法。第七届人工免疫系统国际会议论文集（第291-302页）。斯普林格。
[27] 格林史密斯，J。；美国艾克林。；Tedesco，G.，利用树突状细胞算法进行异常检测的信息融合，信息融合，11，21-34（2010）·doi:10.1016/j.inffus.2009.04.006
[28] Gu，F.、Greensmith，J.、Aickelin，U.（2010年）。进一步探索树突状细胞算法抗原乘数和时间窗。第五届人工免疫系统国际会议论文集（第142-153页）。斯普林格。
[29] Gustafson，D.和Kessel，W.（1979年）。带有模糊协方差矩阵的模糊聚类。IEEE决策和控制会议记录（第761-766页）。电气与电子工程师协会·Zbl 0448.62045号
[30] John，G.和Langley，P.（1995年）。贝叶斯分类器中连续分布的估计。《第十一届人工智能不确定性会议论文集》（第33817345页）。
[31] Kaur，S。；库马尔，P。；Singh，A.，《识别优化模糊模型的自然启发方法：比较研究》，《多值逻辑与软计算杂志》，25，555-587（2015）
[32] Kohavi，R.（1996）。扩大朴素贝叶斯分类器的准确性：决策树的混合。第二届知识发现和数据挖掘国际会议论文集。
[33] Lutz，M。；Schuler，G.，未成熟、半成熟和完全成熟的树突细胞：哪些信号诱导耐受或免疫？，免疫学趋势，23991-1045（2002）·doi:10.1016/S1471-4906（02）02281-0
[34] Markovich，S.和Scott，P.（1988年）。遗忘在学习中的作用。第五届机器学习国际会议论文集（第459-465页）。斯普林格。
[35] Markovitch，S。；Scott，P.，《信息过滤：学习系统中的选择机制》，机器学习，1013-151（1993）
[36] Quinlan，J.（1993）。C4.5：机器学习程序。在摩根考夫曼。
[37] Racine，K.和Yang，Q.（1996）。大型案例库的一致性管理：验证案例。《AAAI知识库验证研讨会论文集》（第84-90页）。AAAI公司。
[38] Racine，K.和Yang，Q.（1997）。维护非结构化案例库。第二届国际案例推理会议论文集（第553-564页）。斯普林格。
[39] Ruck，D.W.、Rogers，S.K.、Kabrisk，M.、Oxley，M.和Suter，B.（1990年）。多层感知器作为贝叶斯最佳鉴别函数的近似。在IEEE神经网络交易中（第29617298页）。
[40] Smyth，B.和McKenna，E.（1998年）。案例库能力建模。案例推理进展：第四届欧洲案例推理研讨会会议记录（第208-220页）。斯普林格。
[41] Smiti，A。；Elouedi，Z.，《COID：基于聚类、离群值和内部检测的维护案例方法》，《软件工程、人工智能、网络和并行/分布式计算——计算智能研究》，Springer，295，39-52（2010）
[42] Wilson，D.，使用编辑数据的最近邻规则的渐近性质，IEEE Transactions on Systems Man and Control netics，2408-421（1972）·兹伯利0276.62060 ·doi:10.1109/TSMC.1972.4309137
[43] Yarifard，A。；Yaghmaee，M.，《基于交通分类的监测系统》，《世界应用科学杂志》，第5期，第150-160页（2008年）
[44] Zadeh，L.，模糊集，信息与控制，8，338-353（1965）·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X
[45] Zhang，G.，分类神经网络：一项调查，IEEE系统、人与控制论汇刊，30451-462（2000）·数字对象标识代码：10.1109/5326.897072
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。