文献

J-GLOBAL ID：201802229971154233   整理番号：18A2003849

分類問題のための新しい活性化ルール決定と重み計算による拡張信念ルールベースシステム【JST・京大機械翻訳】

Extended belief-rule-based system with new activation rule determination and weight calculation for classification problems

著者 (6件)： Yang Long-Hao (Decision Sciences Institute, Fuzhou University, Fuzhou, Fujian, PR China) ,  Yang Long-Hao (Department of Computer Science, University of Jaen, Jaen, Spain) ,  Liu Jun (School of Computing, Ulster University at Jorhanstown Campus, Northern Ireland, UK) ,  Wang Ying-Ming (Decision Sciences Institute, Fuzhou University, Fuzhou, Fujian, PR China) ,  Wang Ying-Ming (Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou, Fujian, PR China) ,  Martinez Luis (Department of Computer Science, University of Jaen, Jaen, Spain)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 72  ページ： 261-272  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分類問題を扱うために採用された多くのルールベースのシステムの中で,拡張信念ルールベース(EbrB)システムは,有効で効率的なツールであり,不確実性の下で定量的および定性的情報の両方を扱う可能性を持っている。多くの利点にもかかわらず,いくつかの欠点は,従来のEbrBシステムをより良く適用するために克服されなければならない。それは,反直感的な個々のマッチング度,個々のマッチング度の計算に対する非感受性,および不整合性問題を含んでいる。従って,拡張信念ルールの活性化領域を構築し,活性化重みの計算式を修正することにより,従来のEbrBシステムを改善するために,活性化ルール決定と重み計算の新しい手順を提案し,一方,ルール推論とクラス推定のオリジナル手順を従来のEbrBシステムから保持した。異なる数のクラスを有する19の分類データセットを研究して,既存の研究と比較して提案したEbrB分類システムの効率性と有効性を実証した。比較結果は,提案したEbrB分類システムが従来のEbrBシステムより高い精度を得るだけでなく,分類のために優れた応答時間を持つことを実証した。さらに重要なことに,マルチクラスデータセットから得られた結果は,最新の分類ツールのいくつかの状態と比較して,提案したEbrB分類システムの顕著な性能を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応答時間 ,  不整合 ,  不確実性 ,  感受性 ,  *ルールベース ,  マッチング
準シソーラス用語： 計算式 ,  *ルールベースシステム , 【Automatic Indexing@JST】

著者キーワード (5件)： 拡張信念ルールベースシステム ,  分類問題 ,  活性化ルールの決定 ,  活性化重量計算 ,  マルチクラス

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 分類 ,  問題 ,  活性化 ,  ルール ,  計算 ,  拡張 ,  信念 ,  ルールベースシステム