Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Fruit Classification for Retail Stores Using Deep Learning Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Towards Selecting Reducts for Building Decision Rules for Rule-Based Classifiers

verfasst von : Manuel S. Lazo-Cortés, José Fco. Martínez-Trinidad, Jesús A. Carrasco-Ochoa, Nelva N. Almanza-Ortega

Erschienen in: Pattern Recognition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In rule-based classifiers, calculating all possible rules of a learning sample consumes many resources due to its exponential complexity. Therefore, finding ways to reduce the number and length of the rules without affecting the efficacy of a classifier remains an interesting problem. Reducts from rough set theory have been used to build rule-based classifiers by their conciseness and understanding. However, the accuracy of the classifiers based on these rules depends on the selected rule subset. In this work, we focus on analyzing three different options for using reducts for building decision rules for rule-based classifiers .

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Basic Pattern Graphs for the Efficient Computation of Its Number of Independent Sets
Nächstes Kapitel Towards Inpainting and Denoising Latent Fingerprints: A Study on the Impact in Latent Fingerprint Identification
Literatur
1.
Arora, S., Anand, P.: Binary butterfly optimization approaches for feature selection. Expert Syst. Appl. 116, 147–160 (2019)CrossRef
2.
3.
Barman, T., Rajesh, G., Archana, R.: Rough set based segmentation and classification model for ECG. In: Conference on Advances in Signal Processing (CASP), pp. 18–23. IEEE (2016)
4.
5.
El-Islem-Karabadji, N., Khelf, I., Seridi, H., Aridhi, S., Remond, D., Dhifli, W.: A data sampling and attribute selection strategy for improving decision tree construction. Expert Syst. Appl. 129, 84–96 (2019)CrossRef
6.
Hansen, M., Yu, B.: Model selection and the principle of minimum description length. J. Am. Stat. Assoc. 96, 746–774 (2001)MathSciNetCrossRef
7.
Herrera-Semenets, V., Pérez-García, O.A., Hernández-León, R., van den Berg, J., Doerr, C.: A data reduction strategy and its application on scan and backscatter detection using rule-based classifiers. Expert Syst. Appl. 95, 272–279 (2018)CrossRef
8.
Lazo-Cortés, M.S., Martínez-Trinidad, J.F., Carrasco-Ochoa, J.A.: Class-specific reducts vs. classic reducts in a rule-based classifier: a case study. In: Martínez-Trinidad, J.F., Carrasco-Ochoa, J.A., Olvera-López, J.A., Sarkar, S. (eds.) MCPR 2018. LNCS, vol. 10880, pp. 23–30. Springer, Cham (2018). https://​doi.​org/​10.​1007/​978-3-319-92198-3_​3CrossRef
9.
Lazo-Cortés, M.S., Martínez-Trinidad, J.F., Carrasco-Ochoa, J.A.: On the use of constructs for rule-based classification: a case study. In: Carrasco-Ochoa, J.A., Martínez-Trinidad, J.F., Olvera-López, J.A., Salas, J. (eds.) MCPR 2019. LNCS, vol. 11524, pp. 327–335. Springer, Cham (2019). https://​doi.​org/​10.​1007/​978-3-030-21077-9_​30CrossRef
10.
Liu, H., Motoda, H.: Computational Methods of Feature Selection. Chapman & Hall/CRC, Boca Raton (2007)CrossRef
11.
Miao, D.Q., Zhao, Y., Yao, Y.Y., Li, H.X., Xu, F.F.: Reducts in consistent and inconsistent decision tables of the Pawlak rough set model. Inf. Sci. 179(24), 4140–4150 (2009)MathSciNetCrossRef
12.
Pawlak, Z.: Rough sets. Int. J. Comput. Inf. Sci. 11, 341–356 (1982)CrossRef
13.
Pawlak, Z.: Rough sets, Theoretical Aspects of Reasoning About Data, pp. 315–330. Kluwer Academic Publishers, Dordrecht (1992)
14.
Rana, H., Lal, M.: A rough set theory approach for rule generation and validation using RSES. Int. J. Rough Sets Data Anal. 3(1), 55–70 (2016)CrossRef
15.
Rana, H., Lal, M.: A comparative study based on rough set and classification via clustering approaches to handle incomplete data to predict learning styles. Int. J. Decis. Support Syst. Technol. 9(2), 1–20 (2017)CrossRef
16.
Si, H., Zhou, J., Chen, Z., Wan, J., Xiong, N., Zhang, W., Vasilakos, A.: Association rules mining among interests and applications for users on social networks. IEEE Access 7, 116014–116026 (2019)CrossRef
17.
Sil, J., Das, A.K.: Variable length reduct vs. minimum length reduct-a comparative study. Procedia Technol. 4, 58–68 (2012)CrossRef
18.
19.
Metadaten
Titel
Towards Selecting Reducts for Building Decision Rules for Rule-Based Classifiers
verfasst von
Manuel S. Lazo-Cortés
José Fco. Martínez-Trinidad
Jesús A. Carrasco-Ochoa
Nelva N. Almanza-Ortega
Copyright-Jahr
2020
Buch
Pattern Recognition

Print ISBN: 978-3-030-49075-1

Electronic ISBN: 978-3-030-49076-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-49076-8_7

Premium Partner

    Bildnachweise