메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Karla Taboada (Waseda University) Shingo Mabu (Waseda University) Eloy Gonzales (Waseda University) Kaoru Shimada (Waseda University) Kotaro Hirasawa (Waseda University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS-SICE 2009
발행연도
2009.8
수록면
3,863 - 3,869 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
One of the most important issues in any association rule mining is the interpretation and evaluation of discov-eredrules. Thus, most algorithms employ the support-confidence framework for evaluating association and classification rules. Unfortunately, recent studies show that the supportand confidence measures are insufficient for filtering outun in-teresting association rules, for instance, even strong association rules can be uninteresting and misleading. To deal with this limitation, the support-confidence framework can be suplemented with additional interestingness measures based on statistical significance and correlation analysis. In this paper, a novel fuzzy association rule-based classification approach is proposed, where χ<SUP>2</SUP> is applied as a correlation measure. The algorithm is based on Genetic Network Programming(GNP) and discover comprehensible fuzzy association rules potentially useful for classification. GNP is an evolutionary optimization algorithm that uses directed graph structures as genes instead of strings and trees of Genetic Algorithms(GA) and Genetic Programming(GP), respectively. This feature contributes to creating quite compact programs and im-plicitly memorizing pastaction sequences. The proposed model consists of two major phases: 1) generating fuzzy class association rules by using GNP, 2) building a classifier based on the extracted fuzzy rules. In the first phase, χ<SUP>2</SUP> is used for computing the correlation of the rules to be integrated into the classifier. In the second phase, the χ<SUP>2</SUP> value is used as a weight of the rule when calculating the matching degree of the rule with new data. The performance of the proposed algorithm has been compared with other relevant algorithms and the experimental results have shown the advantages an effectiveness of the proposed model.
#association rule mining #classification #fuzzy association rules #fuzzy membership functions #genetic network programming

목차

Abstract
1.INTRODUCTION
2.χ² TEST FOR INDEPENDENCE AND CORRELATION
3.FUZZY ASSOCIATION RULE MINING AND CLASSIFIER
4.SIMULATION RESULTS
5.CONCLUSION
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2014-569-000759469