Clasificador difuso para diagnóstico de enfermedades
Portada
Cargando...
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Instituto Tecnológico Metropolitano (ITM)
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Descripción
This paper presents the application of a new fuzzy identification method to solve classification problems. The model or fuzzy classifier, obtained after training process, contains triangular sets with 0.5 overlapping to the antecedent and singleton sets for the consequent. In the evaluation of the rules is used an average operator instead of a T-norm. The consequent are adjusted using recursive least squares. The proposed method achieves higher accuracy than others methods, using a small number of rules and parameters, without sacrificing the interpretability of the fuzzy model. The proposed approach is applied in two classic classification problems: Pima Indian Diabetic and Dermatology Problem, to show the performance of the proposed method and compare the results with other researchers.
En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores.
En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores.