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

추천
검색
질문

이용수

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

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
기계학습이나 퍼지 규칙 생성은 데이터로부터 규칙을 찾아냄으로써 지식 병목 문제(knowledge bottleneck problem)를 해결할 수 있을 것으로 기대를 받았다. 이러한 방법으로 생성된 규칙은 좋은 분류율을 가져야 함은 물론 이해하기 쉬워야 한다. 본 논문에서는 이해하기 쉬운 퍼지 규칙을 생성하기 위한 방법으로 퍼지 결정 트리 생성에 의한 퍼지 규칙 생성 방법을 제안한다. 제안된 알고리즘은 히스토그램에 기반하여 퍼지 소속함수를 생성하는 단계와 생성된 소속 함수를 이용하여 퍼지 결정 트리를 구성하는 두 단계로 이루어진다. 또한 제안된 방법의 타당성을 검증하기 위해 표준적인 패턴 분류 벤치마크 데이터인 iris 데이터와 breast cancer Wisconsin 데이터에 대한 실험 결과를 보인다.

목차

요약

1. 서론

2. 퍼지 규칙의 형태 및 추론 방법

3. 퍼지 소속 함수의 생성

4. 퍼지 결정 트리 생성 알고리즘

5. 실험 결과

6. 결론 및 향후 연구 방향

7. 참고 문헌

참고문헌 (0)

참고문헌 신청

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-0101-2009-569-017976780