Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/486 |
Resumo: | The goal of this work is to study, expand and evaluate the use of multiobjective genetic algorithms and the iterative rule learning approach in fuzzy system generation, especially, in fuzzy rule-based systems, both in automatic fuzzy rule generation from datasets and in fuzzy sets optimization. This work investigates the use of multi-objective genetic algorithms with a focus on the trade-off between accuracy and interpretability, considered contradictory objectives in the representation of fuzzy systems. With this purpose, we propose and implement an evolutive multi-objective genetic model composed of three stages. In the first stage uniformly distributed fuzzy sets are created. In the second stage, the rule base is generated by using an iterative rule learning approach and a multiobjective genetic algorithm. Finally the fuzzy sets created in the first stage are optimized through a multi-objective genetic algorithm. The proposed model was evaluated with a number of benchmark datasets and the results were compared to three other methods found in the literature. The results obtained with the optimization of the fuzzy sets were compared to the result of another fuzzy set optimizer found in the literature. Statistical comparison methods usually applied in similar context show that the proposed method has an improved classification rate and interpretability in comparison with the other methods. |
id |
SCAR_3de81d0e60b4e1f86c0c48be2aa05643 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/486 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Cárdenas, Edward HinojosaCamargo, Heloisa de Arrudahttp://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4783179Z5http://lattes.cnpq.br/8869747558745502836618ff-c313-45cb-b87a-1a6f5218f9d82016-06-02T19:05:54Z2012-01-102016-06-02T19:05:54Z2011-06-28CÁRDENAS, Edward Hinojosa. Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa. 2011. 132 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2011.https://repositorio.ufscar.br/handle/ufscar/486The goal of this work is to study, expand and evaluate the use of multiobjective genetic algorithms and the iterative rule learning approach in fuzzy system generation, especially, in fuzzy rule-based systems, both in automatic fuzzy rule generation from datasets and in fuzzy sets optimization. This work investigates the use of multi-objective genetic algorithms with a focus on the trade-off between accuracy and interpretability, considered contradictory objectives in the representation of fuzzy systems. With this purpose, we propose and implement an evolutive multi-objective genetic model composed of three stages. In the first stage uniformly distributed fuzzy sets are created. In the second stage, the rule base is generated by using an iterative rule learning approach and a multiobjective genetic algorithm. Finally the fuzzy sets created in the first stage are optimized through a multi-objective genetic algorithm. The proposed model was evaluated with a number of benchmark datasets and the results were compared to three other methods found in the literature. The results obtained with the optimization of the fuzzy sets were compared to the result of another fuzzy set optimizer found in the literature. Statistical comparison methods usually applied in similar context show that the proposed method has an improved classification rate and interpretability in comparison with the other methods.O objetivo deste trabalho é estudar, expandir e avaliar o uso dos algoritmos genéticos multiobjetivo e a abordagem iterativa na geração de sistemas fuzzy, mais especificamente para sistemas fuzzy baseados em regras, tanto na geração automática da base de regras fuzzy a partir de conjuntos de dados, como a otimização dos conjuntos fuzzy. Esse trabalho investiga o uso dos algoritmos genéticos multiobjetivo com enfoque na questão de balanceamento entre precisão e interpretabilidade, ambos considerados contraditórios entre si na representação de sistemas fuzzy. Com este intuito, é proposto e implementado um modelo evolutivo multiobjetivo genético composto por três etapas. Na primeira etapa são criados os conjuntos fuzzy uniformemente distribuídos. Na segunda etapa é tratada a geração da base de regras usando a abordagem iterativa e um algoritmo genético multiobjetivo. Por fim, na terceira etapa os conjuntos fuzzy criados na primeira etapa são otimizados mediante um algoritmo genético multiobjetivo. O modelo desenvolvido foi avaliado em diversos conjuntos de dados benchmark e os resultados obtidos foram comparados com outros três métodos, que geram regras de classificação, encontrados na literatura. Os resultados obtidos após a otimização dos conjuntos fuzzy foram comparados com resultados de outro otimizador de conjuntos fuzzy encontrado na literatura. Métodos estatísticos de comparação usualmente aplicados em contextos semelhantes mostram uma melhor taxa de classificação e interpretabilidade do método proposto com relação a outros métodos.Financiadora de Estudos e Projetosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarBRInteligência artificialSistemas FuzzyAlgoritmos genéticosSistemas Fuzzy-genéticoFuzzy SystemsMultiobjective genetic algorithmsAccuracyInterpretabilityIterative rule learningGenetic fuzzy systemsAutomatic fuzzy rule base generationFuzzy set optimizationCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOGeração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1-1abf34796-0d89-460f-9185-e460cb1c066ainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINAL3998.pdfapplication/pdf3486824https://repositorio.ufscar.br/bitstream/ufscar/486/1/3998.pdff1c040adfdc7d0672bc93a058f8a413dMD51THUMBNAIL3998.pdf.jpg3998.pdf.jpgIM Thumbnailimage/jpeg8133https://repositorio.ufscar.br/bitstream/ufscar/486/2/3998.pdf.jpgc51654cb90fa3ac100708c2cdf5153cdMD52ufscar/4862023-09-18 18:30:38.766oai:repositorio.ufscar.br:ufscar/486Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:30:38Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
title |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
spellingShingle |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa Cárdenas, Edward Hinojosa Inteligência artificial Sistemas Fuzzy Algoritmos genéticos Sistemas Fuzzy-genético Fuzzy Systems Multiobjective genetic algorithms Accuracy Interpretability Iterative rule learning Genetic fuzzy systems Automatic fuzzy rule base generation Fuzzy set optimization CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
title_full |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
title_fullStr |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
title_full_unstemmed |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
title_sort |
Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa |
author |
Cárdenas, Edward Hinojosa |
author_facet |
Cárdenas, Edward Hinojosa |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/8869747558745502 |
dc.contributor.author.fl_str_mv |
Cárdenas, Edward Hinojosa |
dc.contributor.advisor1.fl_str_mv |
Camargo, Heloisa de Arruda |
dc.contributor.advisor1Lattes.fl_str_mv |
http://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4783179Z5 |
dc.contributor.authorID.fl_str_mv |
836618ff-c313-45cb-b87a-1a6f5218f9d8 |
contributor_str_mv |
Camargo, Heloisa de Arruda |
dc.subject.por.fl_str_mv |
Inteligência artificial Sistemas Fuzzy Algoritmos genéticos Sistemas Fuzzy-genético |
topic |
Inteligência artificial Sistemas Fuzzy Algoritmos genéticos Sistemas Fuzzy-genético Fuzzy Systems Multiobjective genetic algorithms Accuracy Interpretability Iterative rule learning Genetic fuzzy systems Automatic fuzzy rule base generation Fuzzy set optimization CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Fuzzy Systems Multiobjective genetic algorithms Accuracy Interpretability Iterative rule learning Genetic fuzzy systems Automatic fuzzy rule base generation Fuzzy set optimization |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
The goal of this work is to study, expand and evaluate the use of multiobjective genetic algorithms and the iterative rule learning approach in fuzzy system generation, especially, in fuzzy rule-based systems, both in automatic fuzzy rule generation from datasets and in fuzzy sets optimization. This work investigates the use of multi-objective genetic algorithms with a focus on the trade-off between accuracy and interpretability, considered contradictory objectives in the representation of fuzzy systems. With this purpose, we propose and implement an evolutive multi-objective genetic model composed of three stages. In the first stage uniformly distributed fuzzy sets are created. In the second stage, the rule base is generated by using an iterative rule learning approach and a multiobjective genetic algorithm. Finally the fuzzy sets created in the first stage are optimized through a multi-objective genetic algorithm. The proposed model was evaluated with a number of benchmark datasets and the results were compared to three other methods found in the literature. The results obtained with the optimization of the fuzzy sets were compared to the result of another fuzzy set optimizer found in the literature. Statistical comparison methods usually applied in similar context show that the proposed method has an improved classification rate and interpretability in comparison with the other methods. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011-06-28 |
dc.date.available.fl_str_mv |
2012-01-10 2016-06-02T19:05:54Z |
dc.date.accessioned.fl_str_mv |
2016-06-02T19:05:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CÁRDENAS, Edward Hinojosa. Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa. 2011. 132 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2011. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/486 |
identifier_str_mv |
CÁRDENAS, Edward Hinojosa. Geração genética multiobjetivo de sistemas fuzzy usando a abordagem iterativa. 2011. 132 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2011. |
url |
https://repositorio.ufscar.br/handle/ufscar/486 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
-1 -1 |
dc.relation.authority.fl_str_mv |
abf34796-0d89-460f-9185-e460cb1c066a |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/486/1/3998.pdf https://repositorio.ufscar.br/bitstream/ufscar/486/2/3998.pdf.jpg |
bitstream.checksum.fl_str_mv |
f1c040adfdc7d0672bc93a058f8a413d c51654cb90fa3ac100708c2cdf5153cd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136244956692480 |