Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[40362] Artykuł:

Accuracy vs. interpretability of fuzzy rule-based classifiers: an evolutionary approach

Czasopismo: Lecture Notes in Computer Science   Tom: 7269, Strony: 222-230
ISSN:  0302-9743
ISBN:  978-3-642-29352-8
Wydawca:  SPRINGER-VERLAG BERLIN, HEIDELBERGER PLATZ 3, D-14197 BERLIN, GERMANY
Opublikowano: 2012
Seria wydawnicza:  Lecture Notes in Computer Science
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału		 Liczba
punktów
Marian Bolesław Gorzałczany orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****505.00  
Filip Rudziński orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****505.00  

Grupa MNiSW:  Materiały z konferencji międzynarodowej (zarejestrowane w Web of Science)
Punkty MNiSW: 10
Klasyfikacja Web of Science: Proceedings Paper

Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    

Abstract:

The paper presents a generalization of the Pittsburgh approach to learn fuzzy classification rules from data. The proposed approach allows us to obtain a fuzzy rule-based system with a predefined level of compromise between its accuracy and interpretability (transparency). The application of the proposed technique to design the fuzzy rule-based classifier for the well known benchmark data sets (Dermatology and Wine) available from the http://archive.ics.uci.edu/ml is presented. A comparative analysis with several alternative (fuzzy) rule-based classification techniques has also been carried out.


POWRÓT
Strona główna > Publikacje