Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 108,300,792

 Thuật toán khai luật kết hợp mờ với tối ưu hóa phân vùng mờ cho các hệ thống quyết định thông minh
Tác giả hoặc Nhóm tác giả: Trinh T. T. Tran, Tu N. Nguyen, Thuan T. Nguyen, Giang L. Nguyen, Chau N. Truong
Nơi đăng: Springer, International Journal of Fuzzy Systems, SCIE (Q1); Số: 24;Từ->đến trang: 2617–2630;Năm: 2022
Lĩnh vực: Chưa xác định; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
Khai phá luật kết hợp mờ là một trong những bài toán quan trọng trong học máy mờ. Luật kết hợp mờ nhằm mục đích xử lý dữ liệu định lượng thiếu quyết đoán trong luật kết hợp cổ điển. Tuy nhiên, tập mờ các thuộc tính định lượng và hàm liên thuộc của chúng phụ thuộc vào ý kiến chuyên gia, chủ quan hoặc có sẵn. Trong bài báo này, chúng tôi đề xuất thuật toán Node-list Pre-order Size Fuzzy Frequent (NPSFF) trong khai thác luật kết hợp mờ dựa trên cấu trúc dữ liệu Node-list kết hợp với cấu trúc Preorder Size Code phù hợp cho việc tổ chức dữ liệu mờ và thao tác trên cấu trúc này. Tổ chức này tăng tốc độ xây dựng cây và tìm các tập mục mờ phổ biến. Để tăng hiệu quả của thuật toán NPSFF, chúng tôi đã thực hiện tiền xử lý dữ liệu bằng cách áp dụng kỹ thuật phân cụm lan truyền ái lực (AP) để chỉ định số lượng cụm phù hợp. Tiếp theo, chúng tôi chuyển đổi các giá trị định lượng của các cụm thành các giá trị mờ bằng phương pháp phân vùng mờ. Kết quả thử nghiệm cho thấy hiệu quả thuật toán NPSFF luôn tốt hơn thuật toán FFP Growth và MFFP về thời gian thực hiện và sử dụng bộ nhớ
ABSTRACT
Fuzzy association rule mining is one of the important problems in fuzzy machine learning. The fuzzy association rule is intended to handle quantitative data that was indecisive in the classical association rule. However, the fuzzy set of quantitative attributes and their membership functions depends on expert opinion, subjective or available. In this paper, we propose a Node-list Pre-order Size Fuzzy Frequent (NPSFF) algorithm in fuzzy association rule mining based on Node-list data structure combined with the Preorder Size Code structure suitable for the organization of fuzzy data and the manipulation of this structure. This organization speeds up tree building and finds frequent fuzzy item sets. To increase the efficiency of the NPSFF algorithm, we performed the data preprocessing by applying affinity propagation clustering (AP) technique to specify the suitable number of clusters. Next, we convert the quantitative values of the clusters to the fuzzy values using fuzzy partitioning method. Experiment results show that NPSFF algorithm efficiency is always better than FFP Growth and MFFP algorithms in execution time and memory usage
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn