مقاله ها
نویسنده : E. G. MANSOORI، M. J. ZOLGHADRI AND S. D. KATEBI
بازدید : 773

متن زیر چكیده می باشد، برای دریافت متن كامل مقاله بر روی فایل مقاله كلیك كنید

Abstract
This paper considers the automatic design of fuzzy rule-based classification systems based on labeled data. The classification performance and interpretability are of major importance in these systems. In this paper، we utilize the distribution of training patterns in decision subspace of each fuzzy rule to improve its initially assigned certainty grade (i.e. rule weight). Our approach uses a punishment algorithm to reduce the decision subspace of a rule by reducing its weight، such that its performance is enhanced. Obviously، this reduction will cause the decision subspace of adjacent overlapping rules to be increased and consequently rewarding these rules. The results of computer simulations on some well-known data sets show the effectiveness of our approach


طراحی وب سایتفروشگاه اینترنتیطراحی فروشگاه اینترنتیسیستم مدیریت تعمیر و نگهداریسامانه تعمیر و نگهداری PM سامانه جمع آوری شناسنامه کامپیوتر سیستم جمع آوری شناسنامه کامپیوتر سیستم مدیریت کلان IT طراحی وب سایت آزانس املاک وب سایت مشاورین املاک طراحی پورتال سازمانی سامانه تجمیع پاساژ آنلاین پاساژ مجازی

نام : *

پیغام : *