Формирование структуры нечеткого классификатора комбинацией алгоритмов экстремумов классов и прыгающих лягушек для несбалансированных данных с двумя классами

Статья в журнале

Предложен способ применения метаэвристического алгоритма «прыгающих лягушек» в качестве инструмента для расширения первичной базы правил нечёткого классификатора. Такой алгоритм актуален в случае, когда имеющихся правил недостаточно для качественного распознавания всех классов, например при наличии дисбаланса в данных. Дополнительные правила, генерируемые метаэвристикой, способны не только улучшить качество классификации, но и предоставить более полное описание исследуемой предметной области. Для генерации первичной структуры классификатора был использован алгоритм, основанный на экстремальных значениях признаков классов. Исследуемая комбинация была проверена на 36 несбалансированных наборах данных из репозитория Knowledge Extraction based on Evolutionary Learning и показала увеличение средней геометрической точности на 34 наборах, а также удовлетворительные результаты по сравнению с аналогичными алгоритмами. Достоинства предложенного способа формирования структуры заключаются в отсутствии необходимости дополнения данных синтетическими образцами, низком разбросе результатов на отдельных запусках и возможности улучшить качество классификации при добавлении небольшого количества правил.

Журнал:

• Автометрия
• Сибирское отделение РАН (Новосибирск)

Библиографическая запись: Бардамова, М. Б. Формирование структуры нечеткого классификатора комбинацией алгоритмов экстремумов классов и прыгающих лягушек для несбалансированных данных с двумя классами: [Электронный ресурс] / М. Б. Бардамова, И. А. Ходашинский // Автометрия. – 2021. – №4 (57). – С. 54-64. – DOI: 10.15372/AUT20210407

Индексируется в:

• ВАК ( https://www.elibrary.ru/item.asp?id=46613410 )
• РИНЦ ( https://www.elibrary.ru/item.asp?id=46613410 )