Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[61420] Artykuł:

Classification of Splice-Junction DNA Sequences Using Multi-objective Genetic-Fuzzy Optimization Techniques

Czasopismo: International Conference on Artificial Intelligence and Soft Computing   Tom: 10245, Strony: 638-648
ISSN:  0302-9743
ISBN:  978-3-319-59063-9
Wydawca:  SPRINGER INTERNATIONAL PUBLISHING AG, GEWERBESTRASSE 11, CHAM, CH-6330, SWITZERLAND
Opublikowano: 2017
Seria wydawnicza:  Lecture Notes in Artificial Intelligence
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Do oświadczenia
nr 3		 Grupa
przynależności		 Dyscyplina
naukowa		 Procent
udziału		 Liczba
punktów
do oceny pracownika		 Liczba
punktów wg
kryteriów ewaluacji
Marian Bolesław Gorzałczany orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Automatyka, elektronika, elektrotechnika i technologie kosmiczne5020.00.00  
Filip Rudziński orcid logo WEAiIKatedra Informatyki, Elektroniki i Elektrotechniki *Takzaliczony do "N"Informatyka techniczna i telekomunikacja5020.00.00  

Grupa MNiSW:  Konferencja Informatyczna
Punkty MNiSW: 20
Klasyfikacja Web of Science: Proceedings Paper

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

Splice-junction DNA sequence classification  Fuzzy rule-based classifier  Multi-objective evolutionary optimization  Accuracy-interpretability trade-off optimization 


Abstract:

The main goal of this paper is the application of our fuzzy rule-based classification technique with genetically optimized accuracy-interpretability trade-off to the classification of the splice-junction DNA sequences coming from the Molecular Biology (Splice-junction Gene Sequences) benchmark data set (available from the UCI repository). Two multi-objective evolutionary optimization algorithms are employed and compared in the framework of our technique, i.e., the well-known Strength Pareto Evolutionary Algorithm 2 (SPEA2) and our SPEA2’s generalization (referred to as SPEA3) characterized by a higher spread and a better-balanced distribution of solutions. A comparative analysis with 15 alternative approaches is also performer.


POWRÓT
Strona główna > Publikacje