Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Classification Rue Mining from Fuzzy Data based on Fuzzy Decision Tree

퍼지 데이타에 대한 퍼지 결정트리 기반 분류규칙 마이닝

  • Published : 2001.01.01
Download PDF
⟨ Previous Next ⟩

Abstract

결정트리 생성은 일련의 특징값으로 기술된 사례들로부터 분류 지식을 추출하는 학습 방법중의 하나이다. 현장에서 수집되는 사례들은 관측 오류, 주관적인 판단, 불확실성 등으로 인해서 애매하게 주어지는 경우가 많다. 퍼지숫자나 구간값을 사용함으로써 이러한 애매한 데이타의 수치 속성은 쉽게 표현될 수 있다. 이 논문에서는 수치 속성은 보통값 뿐마아니라 퍼지숫자나 구간값을 갖을 수 있고, 비수치 속서은 보통값을 가지며, 데이터의 클래스는 확신도를 기자는 학습 데이터들로 부터, 분류 규칙을 마이닝하기 위한 퍼지 결정트리 생성 방법을 제안한다. 또한 제안한 방법에 의해 생성된 퍼지 결정트리를 사용하여, 새로운 데이터에 대한 클래스를 결정하는 추론 방법을 소개한다. 한편, 제안된 방법의 유용성을 보이기 위해 수행한 실험의 결과를 보인다.

Keywords

References

  1. T. M. Mitchell, Machine Learning, The McGraw-Hill Co.,414p, 1997
  2. Y. Yuan, M. J. Shaw, Induction of fuzzy decision trees, Fuzzy Sets and Systems, Vol.69, pp.125-139, 1995 https://doi.org/10.1016/0165-0114(94)00229-Z
  3. A. Ittner, J. Zeidler, R. Rossius, W. Dilger, M. Schlosser, Feature space partitioning by non-linear and fuzzy decision trees, Proc. of the 7-th IFSA World Congress(Prague, Czech), pp.394-398, 1997
  4. J. Zeidler, M. Schlosser, Continuous-valued attributes in fuzzy decision trees, Proc. of the 6-th Int. Conf. on Information Processing and Management of Uncertainty in Knowledge-Based Systems (Granada, Spain), pp.395-400, 1996
  5. C. Z. Janikow, Fuzzy Decision Trees: Issues and Methods, IEEE Trans. on Systems, Man, and Cybernetics - Part B, Vol.28, No.l, pp.1-14, 1998 https://doi.org/10.1109/3477.658573
  6. R.L.P. Chang, T. Pavlidis, Fuzzy Decision Tree Algorithms, IEEE Trans, on Systems, Man, and Cybernetics, Vol.7, No.l, pp.28-35, 1977
  7. H.-J. Zimmermann, Fuzzy Set Theory and its Applications, Kluwer Academic Pub., 399p, 1991
  8. D. Rasmussen, R. R. Yager, SummarySQL: A fuzzy tool for data mining, Intelligent Data Analysis, Vol.1, No.l, 1997 https://doi.org/10.1016/S1088-467X(98)00009-2
  9. S. A. Maelainin, A. Bensaid, Fuzzy data mining query language, Proc. of the Second Int. Conf. on Knowledge-Based Systems(Adelaide, Australia), pp.335-340, 1998 https://doi.org/10.1109/KES.1998.725868
  10. K. Nozaki, H. Ishibuch, H. Tanaka, Adaptive Fuzzy Rule-based Classification Systems, IEEE Trans. on Fuzzy Systems, Vol.4, No.3, pp.238-250, 1996 https://doi.org/10.1109/91.531768
  11. T. Tani, M. Sakoda, Fuzzy modeling by ID3 algorithm and its application to prediction of heater outlet temperature, Proc. of IEEE Int. Conf. on Fuzzy Systems (San Diego), pp.923-930, 1992 https://doi.org/10.1109/FUZZY.1992.258780
  12. R. Weber, Fuzzy-ID3: a class of methods for automatic knowledge acquisition, Proc. of 2nd Int. Conf. on Fuzzy Logic and Neural Networks (Iizuka), pp.265-268, 1992
  13. J. Jang, Structure determination in fuzzy modeling: A fuzzy CART approach, Proc. IEEE Conf. on Fuzzy Systems, pp.480-485, 1994 https://doi.org/10.1109/FUZZY.1994.343738
  14. M. W. Kim, J. G. Lee, C. Min, Efficient fuzzy rule generation based on fuzzy decision tree for data mining, Proc, IEEE Int. Fuzzy Systems Conference Proceedings, pp.1223-1228, 1999 https://doi.org/10.1109/FUZZY.1999.790076