Show simple item record

dc.creatorPimenta, Adinovam Henriques de Macedo
dc.date.accessioned2016-06-02T19:05:45Z
dc.date.available2010-09-09
dc.date.available2016-06-02T19:05:45Z
dc.date.issued2009-10-30
dc.identifier.citationPIMENTA, Adinovam Henriques de Macedo. Geração genética de classificador fuzzy intervalar do tipo-2. 2009. 102 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2009.por
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/444
dc.description.abstractThe objective of this work is to study, expand and evaluate the use of interval type-2 fuzzy sets in the knowledge representation for fuzzy inference systems, specifically for fuzzy classifiers, as well as its automatic generation form data sets, by means of genetic algorithms. This work investigates the use of such sets focussing the issue of balance between the cost addition in representation and the gains in interpretability and accuracy, both deriving from the representation and processing complexity of interval type-2 fuzzy sets. With this intent, an evolutionary model composed of three stages was proposed and implemented. In the first stage the rule base is generated, in the second stage the data base is optimized and finally, the number of rules of the rule base obtained is optimized in the third stage. The model developed was evaluated using several benchmark data sets and the results obtained were compared with two other fuzzy classifiers, being one of them generated by the same model using type-1 fuzzy sets and the other one generated by the Wang&Mendel method. Statistical methods usually applied for comparisons in similar contexts demonstrated a significant improvement in the classification rates of the intervalar type-2 fuzzy set classifier generated by the proposed model, with relation to the other methods.eng
dc.description.sponsorshipUniversidade Federal de Sao Carlos
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAcesso Abertopor
dc.subjectInteligência artificialpor
dc.subjectSistemas Fuzzypor
dc.subjectAlgoritmos genéticospor
dc.subjectSistemas Fuzzy-genéticopor
dc.subjectAlgoritmos genéticos auto-adaptativospor
dc.subjectSistemas fuzzy genéticospor
dc.subjectGeração automática de regras fuzzypor
dc.subjectInterval type-2 fuzzy set systemseng
dc.subjectGenetic algorithmseng
dc.subjectSelf- adaptative genetic algorithmseng
dc.subjectGenetic fuzzy systemseng
dc.subjectAutomatic generation of fuzzy-ruleseng
dc.titleGeração genética de classificador fuzzy intervalar do tipo-2por
dc.typeDissertaçãopor
dc.contributor.advisor1Camargo, Heloisa de Arruda
dc.contributor.advisor1Latteshttp://genos.cnpq.br:12010/dwlattes/owa/prc_imp_cv_int?f_cod=K4783179Z5por
dc.creator.Latteshttp://lattes.cnpq.br/8400272358305102por
dc.description.resumoO objetivo deste trabalho é estudar, expandir e avaliar o uso de conjuntos fuzzy intervalares tipo-2 na representação do conhecimento em sistemas de inferência fuzzy, mais especificamente para os classificadores fuzzy, bem como sua geração automática a partir de conjuntos de dados, por meio de algoritmos genéticos. Esse trabalho investiga o uso de tais conjuntos com enfoque na questão de balanceamento entre o acréscimo de custo da representação e os ganhos em interpretabilidade e precisão, ambos decorrentes da complexidade de representação e processamento dos conjuntos fuzzy intervalares do tipo-2. Com este intuito, foi proposto e implementado um modelo evolutivo composto por três etapas. Na primeira etapa á gerada a base de regras, na segunda é otimizada a base de dados e, por fim, na terceira etapa o número de regras da base gerada é otimizado. O modelo desenvolvido foi avaliado em diversos conjuntos de dados benchmark e os resultados obtidos foram comparados com outros dois classificadores fuzzy, sendo um deles gerados pelo mesmo modelo, porém, utilizando conjuntos fuzzy do tipo-1 e, o outro, gerado pelo método de Wang&Mendel. Métodos estatísticos de comparação usualmente aplicados em contextos semelhantes mostraram aumento significativo na taxa de classificação do classificador fuzzy intervalar do tipo-2 gerado pelo modelo em relação aos outros dois classificadores utilizados para comparação.por
dc.publisher.countryBRpor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computação - PPGCCpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record