Geração de Regras de Decisão Fuzzy Utilizando a Teoria dos Rough Sets

AUTOR(ES)

Jean Carlo de Sousa Santos

DATA DE PUBLICAÇÃO

2009

RESUMO

Este trabalho propõe um novo método para gerar automaticamente regras fuzzy baseado na teoria dos rough sets e na teoria dos conjuntos fuzzy. As regras derivadas são concisas em relação ao número de termos antecedentes e apresentam alta taxa de cobertura. O sistema de classicação baseado nestas regras fuzzy foi adaptado para discriminar entre a possibilidade e a impossibilidade de classicação. A proposta foi testada em cinco bases de dados públicas fornecidas pela Universidade de Wisconsin, são elas: a Iris, a Wine, a Wisconsin Diagnosis Breast Cancer considerando 10 atributos (Wdbc com 10 atributos), a Wisconsin Diagnosis Breast Cancer considerando 30 atributos (Wdbc com 30 atributos) e a Wisconsin Prognostic Breast Cancer (Wpbc). A precisão de classicação obtida para Iris, Wine, Wdbc com 10 atributos, Wdbc com 30 atributos e Wpbc foram 100%, 100%, 99,03%, 98,03 e 93,90%, respectivamente.

ASSUNTO(S)

mineração de dados (computação) regras fuzzy classicação de padrões rough sets fuzzy rules reconhecimento de padrões ciencia da computacao pattern recognition rough sets machine learning banco de dados aprendizado de máquina pattern classication task

Documentos Relacionados

• Refinamento de Consultas em LÃgicas de DescriÃÃo Utilizando Teoria dos Rough Sets
• Geração genética de Regras Fuzzy com pré-seleção de Regras Candidatas.
• Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets.
• DATA MINING WITH ROUGH SETS TECHNIQUES
• Aplicação da teoria dos conjuntos fuzzy em modelos farmacocinéticos multicompartimentais