Evolutionary Multi-objective Optimization for Evolving Hierarchical Fuzzy System

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86099114" target="_blank" >RIV/61989100:27240/15:86099114 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/15:86099114

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CEC.2015.7257284" target="_blank" >http://dx.doi.org/10.1109/CEC.2015.7257284</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CEC.2015.7257284" target="_blank" >10.1109/CEC.2015.7257284</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evolutionary Multi-objective Optimization for Evolving Hierarchical Fuzzy System

Popis výsledku v původním jazyce

In this paper, a Multi-Objective Extended Genetic Programming (MOEGP) algorithm is developed to evolve the structure of the Hierarchical Flexible Beta Fuzzy System (HFBFS). The proposed algorithm allows finding the best representation of the hierarchical fuzzy system while trying to attain the desired balance of accuracy/interpretability. Furthermore, the free parameters (Beta membership functions and the consequent parts of rules) encoded in the best structure are tuned by applying the hybrid Bacterial Foraging Optimization Algorithm (the hybrid BFOA). The proposed methodology interleaves both MOEGP and the hybrid BFOA for the structure and the parameter optimization respectively until a satisfactory HFBFS is found. The performance of the approach is evaluated using several classification datasets with low and high input dimensions. Results prove the superiority of our method as compared with other existing works.

Název v anglickém jazyce

Evolutionary Multi-objective Optimization for Evolving Hierarchical Fuzzy System

Popis výsledku anglicky

In this paper, a Multi-Objective Extended Genetic Programming (MOEGP) algorithm is developed to evolve the structure of the Hierarchical Flexible Beta Fuzzy System (HFBFS). The proposed algorithm allows finding the best representation of the hierarchical fuzzy system while trying to attain the desired balance of accuracy/interpretability. Furthermore, the free parameters (Beta membership functions and the consequent parts of rules) encoded in the best structure are tuned by applying the hybrid Bacterial Foraging Optimization Algorithm (the hybrid BFOA). The proposed methodology interleaves both MOEGP and the hybrid BFOA for the structure and the parameter optimization respectively until a satisfactory HFBFS is found. The performance of the approach is evaluated using several classification datasets with low and high input dimensions. Results prove the superiority of our method as compared with other existing works.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2015 IEEE Congress on Evolutionary Computation (CEC) : proceedings : May 25-28, 2015, Sendai, Japan

ISBN

978-1-4799-7492-4

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

3163-3170

Název nakladatele

IEEE

Místo vydání

New York

Místo konání akce

Sendai

Datum konání akce

25. 5. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000380444803027