Hybrid interval type-2 fuzzy logic system optimization

การผสมผสานวิธีการหาค่าที่เหมาะสมของระบบฟัซซีลอจิกชนิดที่สองแบบช่วง

Name: Nguyen, Cong Long

keyword: Fuzzy c-mean clustering.

ThaSH: FUZZY LOGIC

ThaSH: GENETIC ALGORITHMS

Abstract: Design type-2 fuzzy logic systems is very complex tasks, which needs to determine the best number of rules, the number of membership functions, suitable parameters, and structure of the fuzzy system. This study proposes an optimal a design of interval type 2 fuzzy logic system. First of all, rough sets based attribute reduction using chaos firefly algorithmmisproposedto find optimal subsets of input variables. Consequently, the fuzzy c-mean clustering algorithm is applied to build the structure of fuzzy rule base and identify the number of fuzzy rules. Finally, a chaos firefly and genetic hybrid algorithm is proposed and then applied to optimize parameters of the fuzzy logic system.The proposed fuzzy system was evaluated in three applications: sea water level prediction, stock price prediction, and heart disease diagnosis. For sea level prediction and stock market prices prediction, comparisons of the proposed fuzzy system to genetic algorithms based and chaos firefly algorithm based interval type-2 fuzzy system as well as ANFIS were investigated. A lower prediction error measured by using root mean square error and mean absolute percentage error from the proposed method was proven. In addition, for the heart disease diagnosis, comparisons of the proposed fuzzy system to NaiveBayers, support vector machines, and artificial neural network were also presented with the result of classification 7.5% increase. Furthermore, convergence speed of the proposed attribute reduction is approximately 92% faster than rough sets based attribute reduction using particle swarm optimization.

Abstract: การออกแบบระบบฟัซซีลอจิกชนิดที่สองเป็นงานที่ยุ่งยากมาก ซึ่งประสบปัญหาในการหาจำนวนกฎที่เหมาะสมที่สุด จำนวนฟังก์ชันความเป็นสมาชิกพารามิเตอร์ที่เหมาะสม และโครงสร้างของระบบฟัซซีที่เหมาะสมการศึกษาครั้งนี้นำเสนอการออกแบบที่เหมาะสมของระบบฟัซซีลอจิกชนิดที่สอง เริ่มต้นด้วยการใช้วิธีการลดจำนวนแอททริบิวต์ด้วยวิธีเซตแบบหยาบซึ่งใช้สำหรับหาเซตย่อยของตัวแปรที่เหมาะสม จากนั้นทำการจัดกลุ่มข้อมูลด้วยขั้นตอนวิธีการจัดกลุ่มฟัซซีซีมีนเพื่อกำหนดโครงสร้างของฐานกฎสำหรับระบบฟัซซีและหาจำนวนกฎในฐานกฎฟัซซี และท้ายสุดใช้เทคนิคใหม่ที่นำเสนอเป็นวิธีผสมผสานระหว่างขั้นตอนวิธีหิ้งห้อยโกลาหลและขั้นตอนวิธี เชิงพันธุกรรมซึ่งนำเสนอเพื่อประยุกต์ในการค้นหาค่าพารามิเตอร์ของระบบฟัซซีที่เหมาะสมระบบฟัซซีที่นำเสนอได้ถูกประเมินในงานประยุกต์ 3 งาน ได้แก่ การพยากรณ์ระดับน้ำทะเล การพยากรณ์ราคาหุ้น และการวิเคราะห์โรคหัวใจ สำหรับการพยากรณ์ระดับน้ำทะเลและราคาหุ้นวัดประสิทธิภาพด้วยค่ารากที่สองของความผิดพลาดกำลังสองเฉลี่ยและร้อยละของค่าผิดพลาดขนาดเฉลี่ย ผลการวิจัยพบว่าระบบที่นำเสนอมีค่าผิดพลาดต่ำกว่าเทคนิคเดิมที่เป็นระบบฟัซซีปรับด้วยขั้นตอนวิธีเชิงพันธุกรรมและปรับด้วยขั้นตอนวิธีหิ้งห้อยโกลาหล รวมทั้งระบบโครงข่ายนิวรัล ฟัซซีแบบปรับตัวได้ สำหรับการประยุกต์ในวิเคราะห์โรคหัวใจทำการเปรียบเทียบกับวิธีนาอีฟเบย์ ซัพพอร์ตเวกเตอร์แมชชีน และโครงข่ายประสาทเทียม ความถูกต้องในการจำแนกข้อมูลดีขึ้นถึง 7.5%นอกจากนั้นวิธีการลดแอททริบิวต์ที่นำเสนอใหม่ มีความเร็วสูงกว่าวิธีการลดแอททริบิวต์ซึ่งใช้เซตหยาบร่วมกับพาร์ทิเคิลสวอร์ม ถึงประมาณ 92%

King Mongkut's University of Technology North Bangkok. Central Library

Address: Bangkok

Email: library@kmutnb.ac.th

Name: Phayung Meesad

Role: Thesis Advisor

Email : pym@kmutnb.ac.th

Name: Unger, Herwig

Role: Thesis Advisor

Created: 2014

Modified: 2015-07-27

Issued: 2015-07-22

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

eng

DegreeName: Doctor of Philosophy

Level: Doctoral Degree

Descipline: Information Technology

Grantor: King Mongkut's University of Technology North Bangkok

©copyrights King Mongkut's University of Technology North Bangkok

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B1590376x.pdf	3.25 MB	26	2024-01-09 12:40:42

ใช้เวลา

0.029386 วินาที