Chia sẻ bài báo qua Email BIỂU DIỄN NGỮ NGHĨA TÍNH TOÁN ĐẢM BẢO TÍNH GIẢI NGHĨA CỦA HỆ PHÂN LỚP DỰA TRÊN LUẬT MỜ
Thông tin bài báo
Ngày nhận bài: 26/09/22 Ngày hoàn thiện: 19/10/22 Ngày đăng: 20/10/22Các tác giả
1. Phạm Đình Phong, Trường Đại học Giao thông vận tải2. Hoàng Văn Thông
, Trường Đại học Giao thông vận tải3. Nguyễn Đức Dư, Trường Đại học Giao thông vận tải
Tóm tắt
Phương pháp thiết kế hệ phân lớp dựa trên luật mờ đã và đang được nghiên cứu rộng rãi do có nhiều ứng dụng trong thực tiễn. Chất lượng của một hệ phân lớp phụ thuộc vào các biểu diễn ngữ nghĩa của các từ ngôn ngữ trong cơ sở luật. Đại số gia tử cho phép tạo ra một cơ sở hình thức thiết kế ngữ nghĩa tính toán dựa trên tập mờ của các từ ngôn ngữ trong cơ sở luật từ ngữ nghĩa vốn có của chúng. Tuy nhiên, các phương pháp thiết kế ngữ nghĩa tính toán dựa trên tập mờ chưa đảm bảo tính giải nghĩa của hệ phân lớp dựa trên luật mờ. Cụ thể, biểu diễn đa thể hạt của khung nhận thức ngôn ngữ chưa đảm bảo tính chung - riêng của các từ ngôn ngữ. Bài báo này trình bày một phương pháp biểu diễn ngữ nghĩa tính toán dựa trên tập mờ đảm bảo tính giải nghĩa được của hệ phân lớp. Kết quả thực nghiệm với 23 tập dữ liệu chuẩn cho thấy phương pháp được đề xuất cho độ chính xác phân lớp tốt hơn trong khi không làm tăng độ phức tạp của hệ luật so với các phương pháp đã được công bố.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1] R. Alcalá, Y. Nojima, F. Herrera, and H. Ishibuchi, “Multi-objective genetic fuzzy rule selection of single granularity-based fuzzy classification rules and its interaction with the lateral tuning of membership functions,” Soft Computing, vol. 15, no. 12, pp. 2303–2318, 2011.
[2] M. Antonelli, P. Ducange, and F. Marcelloni, “A fast and efficient multi-objective evolutionary learning scheme for fuzzy rule-based classifiers,” Information Sciences, vol. 283, pp. 36–54, 2014.
[3] H. Ishibuchi and T. Yamamoto, “Fuzzy Rule Selection by Multi-Objective Genetic Local Search Algorithms and Rule Evaluation Measures in Data Mining,” Fuzzy Sets and Systems, vol. 141, no. 1, pp. 59-88, 2004.
[4] H. Ishibuchi and T. Yamamoto, “Rule weight specification in fuzzy rule-based classification systems,” IEEE Transactions on Fuzzy Systems, vol. 13, no. 4, pp. 428–435, 2005.
[5] M. I. Rey, M. Galende, M. J. Fuente, and G. I. Sainz-Palmero, “Multi-objective based Fuzzy Rule Based Systems (FRBSs) for trade-off improvement in accuracy and interpretability: A rule relevance point of view,” Knowledge-Based Systems, vol. 127, pp. 67–84, 2017.
[6] C. H. Nguyen and W. Wechler, “Hedge algebras: an algebraic approach to structures of sets of linguistic domains of linguistic truth variables,” Fuzzy Sets and Systems, vol. 35, no. 3, pp. 281-293, 1990.
[7] C. H. Nguyen and W. Wechler, “Extended hedge algebras and their application to fuzzy logic,” Fuzzy Sets and Systems, vol. 52, pp. 259–281, 1992.
[8] C. H. Nguyen and V. L. Nguyen, “Fuzziness measure on complete hedges algebras and quantifying semantics of terms in linear hedge algebras,” Fuzzy Sets and Systems, vol. 158, pp. 452-471, 2007.
[9] C. H. Nguyen, W. Pedrycz, T. L. Duong, and T. S. Tran, “A genetic design of linguistic terms for fuzzy rule based classifiers,” International Journal of Approximate Reasoning, vol. 54, no. 1, pp. 1-21, 2013.
[10] C. H. Nguyen, T. S. Tran, and D. P. Pham, “Modeling of a semantics core of linguistic terms based on an extension of hedge algebra semantics and its application,” Knowledge-Based Systems, vol. 67, pp. 244–262, 2014.
[11] C. H. Nguyen, V. T. Hoang, and V. L. Nguyen, “A discussion on interpretability of linguistic rule based systems and its application to solve regression problems,” Knowledge-Based Systems, vol. 88, pp. 107–133, 2015.
[12] T. S. Tran and T. A. Nguyen, “Partition fuzzy domain with multi-granularity representation of data based on hedge algebra approach,” Journal of Computer Science and Cybernetics, vol. 34, no. 1, pp. 63–75, 2018.
[13] V. T. Hoang, C. H. Nguyen, D. D. Nguyen, D. P. Pham, and V. L. Nguyen, “The interpretability and scalability of linguistic-rule-based systems for solving regression problems,” International Journal of Approximate Reasoning, vol. 149, pp. 131-160, 2022.
[14] C. H. Nguyen, T. L. Pham, N. T. Nguyen, C. H. Ho, and T. A. Nguyen, “The linguistic summarization and the interpretability, scalability of fuzzy representations of multilevel semantic structures of word-domains,” Microprocessors and Microsystems, vol. 81, 2021, Art. no. 103641.
[15] H. L. Bui, M. N. Pham, and T. T. H. Nguyen, “Swing-up control of an inverted pendulum cart system using the approach of Hedge-algebras theory,” Soft Computing, vol. 26, pp. 4613–4627, 2022.
[16] H. H. Ngo, C. H. Nguyen, and V. Q. Nguyen, “Multichannel image contrast enhancement based on linguistic rule-based intensificators,” Applied Soft Computing Journal, vol. 76, pp. 744–762, 2019.
[17] D. D. Nguyen, D. P. Pham, V. T. Hoang, and C. H. Nguyen, “A design method of scalable fuzzy rule-based systems for solving regression problems,” TNU Journal of Science and Technology, vol. 226, no. 11, pp. 341-348, 2021.
[18] A. Tarski, A. Mostowski, and R. Robinson, Undecidable Theories. North-Holland, 1953.
[19] J. Demˇsar, “Statistical Comparisons of Classifiers over Multiple Data Sets,” Journal of Machine Learning Research, vol. 7, pp. 1–30, 2006.
[20] D. P. Pham, C. H. Nguyen, and T. T. Nguyen, “Multi-objective Particle Swarm Optimization Algorithm and its Application to the Fuzzy Rule Based Classifier Design Problem with the Order Based Semantics of Linguistic Terms,” in Proceedings of The 10th IEEE RIVF International Conference on Computing and Communication Technologies (RIVF-2013), Hanoi, Vietnam, 2013, pp. 12–17.
DOI: https://doi.org/10.34238/tnu-jst.6566
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu