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

논문 기본 정보

자료유형
학술대회자료
저자정보
Guangfei Yang (Waseda University) Shingo Mabu (Waseda University) Kaoru Shimada (Waseda University) Kotaro Hirasawa (Waseda University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS-SICE 2009
발행연도
2009.8
수록면
3,874 - 3,879 (6page)

이용수

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

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
In this paper, we propose an evolutionary approach to rank association rules for classification. The association rules are ranked by their support, confidence and length in one of the most important associative classification method, Classification based on Multiple Association Rule(CMAR). However, from some empirical studies, we find that if the rules are ranked by some equations first, the classification accuracy will be improved in some data sets. In order to generate such equations effectively, we propose a Rule Rank model based on Genetic Network Programming(GNP). The experimental results show that our method could improve the classification accuracies effectively.

목차

Abstract
1.INTRODUCTION
2.RULERANK MODEL
3.EVOLVE RULERANK BY GENETIC NETWORK PROGRAMMING
4.RULERANK-CMAR: RE-RANK ASSOCIATION RULE FOR CMAR
5.EMPIRICAL EVALUATIONS
6.CONCLUSIONS AND FUTURE WORK
REFERENCES

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-0101-2014-569-000759489