Publicação:
Geração de Regras de Decisão Fuzzy Utilizando a Teoria dos Rough Sets

Página do item simplificado
dc.contributor.advisor1Guliato, Denise
dc.contributor.advisor1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790525E4por
dc.creatorSantos, Jean Carlo de Sousa
dc.creator.Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4710672E0por
dc.date.accessioned2016-06-22T18:32:17Z
dc.date.available2010-07-01
dc.date.available2016-06-22T18:32:17Z
dc.date.issued2009-11-25
dc.description.abstractThis paper proposes a new method to automatically generate fuzzy rules based on rough sets teory and fuzzy sets teory. The derived rules are concise with respect to the number of antecedent terms and present high coverage rate. The classier system based on these fuzzy rules was tailored to discriminate between possibility of classication and impossibility classication. The proposal was tested with ve public databases provided by University of Wisconsin: the Iris, the Wine, the Wisconsin Diagnosis Breast Cancer considering 10 attributes (Wdbc with 10 attributes), the Wisconsin Diagnosis Breast Cancer considering 30 attributes (Wdbc with 30 attributes) and the Wisconsin Prognostic Breast Cancer (Wpbc). The classication accuracies obtained for Iris, Wine, Wdbc with 10 attributes, Wdbc with 30 attributes and the Wpbc were 100%, 100%, 99,03%, 98,03 e 93,90%, respectively.eng
dc.description.degreenameMestre em Ciência da Computaçãopor
dc.description.resumoEste trabalho propõe um novo método para gerar automaticamente regras fuzzy baseado na teoria dos rough sets e na teoria dos conjuntos fuzzy. As regras derivadas são concisas em relação ao número de termos antecedentes e apresentam alta taxa de cobertura. O sistema de classicação baseado nestas regras fuzzy foi adaptado para discriminar entre a possibilidade e a impossibilidade de classicação. A proposta foi testada em cinco bases de dados públicas fornecidas pela Universidade de Wisconsin, são elas: a Iris, a Wine, a Wisconsin Diagnosis Breast Cancer considerando 10 atributos (Wdbc com 10 atributos), a Wisconsin Diagnosis Breast Cancer considerando 30 atributos (Wdbc com 30 atributos) e a Wisconsin Prognostic Breast Cancer (Wpbc). A precisão de classicação obtida para Iris, Wine, Wdbc com 10 atributos, Wdbc com 30 atributos e Wpbc foram 100%, 100%, 99,03%, 98,03 e 93,90%, respectivamente.por
dc.description.sponsorshipFundação de Amparo a Pesquisa do Estado de Minas Gerais
dc.formatapplication/pdfpor
dc.identifier.citationSANTOS, Jean Carlo de Sousa. Geração de Regras de Decisão Fuzzy Utilizando a Teoria dos Rough Sets. 2009. 53 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2009.por
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/12496
dc.languageporpor
dc.orcid.putcode81752973
dc.publisherUniversidade Federal de Uberlândiapor
dc.publisher.countryBRpor
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopor
dc.rightsAcesso Abertopor
dc.subjectRegras fuzzypor
dc.subjectRough setspor
dc.subjectReconhecimento de padrõespor
dc.subjectAprendizado de máquinapor
dc.subjectClassicação de padrõespor
dc.subjectFuzzy ruleseng
dc.subjectRough setseng
dc.subjectPattern recognitioneng
dc.subjectMachine learningeng
dc.subjectPattern classication taskeng
dc.subjectMineração de dados (Computação)por
dc.subjectBanco de dadospor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.titleGeração de Regras de Decisão Fuzzy Utilizando a Teoria dos Rough Setspor
dc.typeDissertaçãopor
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
jean.pdf
Tamanho:
617.54 KB
Formato:
Adobe Portable Document Format
Baixar

Coleções

DISSERTAÇÃO - Ciência da Computação