In this paper we analyze experiment

In this paper we analyze experimentally the effect of other discretization
methods for ECL, in particular local supervised multivariate discretization, and
test and compare the resulting variants of ECL.
We propose a discretization method which uses the intervals generated by
a given (global supervised univariate discretization) algorithm for initializing
the inequalities introduced in a rule, and refines these inequalities, during the
evolutionary process, by means of mutation operators which use specific cut
points for shifting inequality boundaries. More specifically, we consider the
two following possible initializations of inequalities: a fine grain initialization,
using intervals formed by two consecutive boundary points, where a boundary
point is the midpoint of two consecutive attribute values having different class
labels [18]; and a coarser grain initialization, using intervals obtained from the
Fayyad & Irani algorithm (outlined above). During the evolutionary process
the mutation operators use the boundary points for modifying the inequalities.
The resulting ECL variants are called ECL-LSDf and ECL-LSDc, respectively.
We compare experimentally four variants of ECL with discretization: ECL
with Global univariate Discretization (ECL-GSD) which uses Fayyad & Irani algorithm
prior to evolution, ECL with local multivariate unsupervised discretization
(ECL-LUD), and ECL with the two variants ( ECL-LSDf and ECL-LSDc)
of the proposed local supervised discretization method.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราวิเคราะห์ experimentally ผลของการ discretization อื่น ๆวิธี ECL โดยเฉพาะในท้องถิ่นแบบมีผู้สอนตัวแปรพหุ discretization และทดสอบ และเปรียบเทียบตัวแปรที่เป็นผลลัพธ์ของ ECLเราเสนอวิธีการ discretization ซึ่งช่วงที่สร้างขึ้นโดยใช้ที่กำหนด (discretization สากลมีอย่างไร univariate) อัลกอริทึมสำหรับการเตรียมใช้งานความเหลื่อมล้ำทางการในกฎ และบรรยากาศเหล่านี้ความเหลื่อมล้ำทาง ในระหว่างวิวัฒนาการกระบวนการ วิธีดำเนินการกลายพันธุ์ซึ่งใช้ตัดเฉพาะจุดขยับขอบเขตของความไม่เท่าเทียมกัน เราพิจารณาอื่น ๆ โดยเฉพาะ การสองต่อไปนี้ initializations เป็นไปได้ของความเหลื่อมล้ำทาง: เริ่มต้นที่เกรนใช้ช่วงเกิดสองขอบเขตต่อเนื่องจุด เส้นขอบเขตจุดคือ จุดกึ่งกลางของค่าแอตทริบิวต์ติดต่อกันสองที่มีชั้นแตกต่างกันป้าย [18]; และข้าวที่ coarser เริ่ม ใช้ช่วงได้รับจากการFayyad และ Irani อัลกอริทึม (อธิบายไว้ข้างต้น) ในระหว่างกระบวนการวิวัฒนาการตัวดำเนินการกลายพันธุ์ใช้จุดขอบเขตสำหรับการแก้ไขความเหลื่อมล้ำทางการตัวแปร ECL ได้เรียกว่า ECL LSDf และ ECL-LSDc ตามลำดับเราเปรียบเทียบ experimentally สี่ตัวแปรของ ECL กับ discretization: ECLกับโลกอย่างไร univariate Discretization (ECL-GSD) ซึ่งใช้อัลกอริทึม Fayyad และ Iraniก่อนที่จะวิวัฒนาการ ECL มีเฉพาะตัวแปรพหุ unsupervised discretization(ECL-LUD), และ ECL มีตัวแปรสอง (ECL LSDf และ ECL-LSDc)ของท้องถิ่นนำเสนอแบบมีผู้สอนวิธีการ discretization

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะวิเคราะห์การทดลองผลของการไม่ต่อเนื่องอื่น ๆ
วิธีการ ECL
โดยเฉพาะอย่างยิ่งต่อเนื่องหลายตัวแปรท้องถิ่นภายใต้การดูแลและการทดสอบและการเปรียบเทียบพันธุ์ของผลECL.
เราเสนอวิธีการที่ไม่ต่อเนื่องซึ่งใช้ช่วงเวลาที่เกิดจากการได้รับ (ต่อเนื่อง univariate ทั่วโลกภายใต้การดูแล ) อัลกอริทึมสำหรับการเตรียมความไม่เท่าเทียมกันที่นำมาใช้ในการปกครองและการกลั่นเหล่านี้ความไม่เท่าเทียมกันระหว่างกระบวนการวิวัฒนาการโดยวิธีการของผู้ประกอบการกลายพันธุ์ที่ใช้ตัดเฉพาะจุดขยับขอบเขตความไม่เท่าเทียมกัน โดยเฉพาะอย่างยิ่งเราพิจารณาสองต่อไปนี้ initializations เป็นไปได้ของความไม่เท่าเทียมกันที่: เริ่มต้นเม็ดละเอียด, ใช้ช่วงเวลาที่เกิดขึ้นจากสองจุดเขตแดนติดต่อกันซึ่งเป็นเขตแดนจุดเป็นจุดกึ่งกลางของสองค่าแอตทริบิวต์ติดต่อกันมีระดับที่แตกต่างกันฉลาก[18]; และการเริ่มต้นเม็ดหยาบโดยใช้ช่วงเวลาที่ได้รับจากอัลกอริทึม Fayyad และอิหร่าน (ระบุไว้ข้างต้น) ในระหว่างกระบวนการวิวัฒนาการประกอบการกลายพันธุ์ใช้จุดเขตแดนสำหรับการปรับเปลี่ยนความไม่เท่าเทียมกันได้. ส่งผลให้สายพันธุ์ที่เรียกว่า ECL ECL-LSDf และ ECL-LSDc ตามลำดับ. เราเปรียบเทียบการทดลองสี่สายพันธุ์ของ ECL มีต่อเนื่อง: ECL กับ univariate ทั่วโลกตัดสินความ (ECL- GSD) ซึ่งใช้อัลกอริทึม Fayyad และอิหร่านก่อนที่จะวิวัฒนาการECL มีต่อเนื่องใกล้ชิดในท้องถิ่นหลายตัวแปร(ECL-lud) และ ECL กับสองสายพันธุ์ (ECL-LSDf และ ECL-LSDc) ของวิธีการภายใต้การดูแลต่อเนื่องที่นำเสนอในท้องถิ่น

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราจะวิเคราะห์การทดลองผลของวิธีการอื่น ๆสำหรับการทดสอบค่า
โดยเฉพาะท้องถิ่นมีหลายตัวแปรและค่า
, การทดสอบและเปรียบเทียบตัวแปร ผลการทดสอบค่า .
เราเสนอวิธีที่ใช้ช่วงเวลาที่สร้างขึ้น โดยมอบให้ ( ดูแล )
2 ค่าเริ่มต้น ) ขั้นตอนวิธี
อสมการ แนะนำใน กฎและการกลั่นอสมการเหล่านี้ในระหว่าง
กระบวนการวิวัฒนาการ โดยวิธีการของผู้ประกอบการการกลายพันธุ์ซึ่งใช้จุดตัด
เฉพาะเปลี่ยนอสมการขอบเขต มากขึ้นโดยเฉพาะ เราพิจารณา
สองต่อไปนี้ initializations ที่สุดอสมการ : เริ่มต้นเมล็ดดี
โดยใช้ช่วงเวลาที่ก่อตั้งโดยสองจุดเขตแดนติดต่อกัน ซึ่งเป็นเขตแดน
ประเด็นคือจุดกึ่งกลางของค่าแอตทริบิวต์สองติดต่อกันมี [ 18 ] ป้ายห้อง
แตกต่างกัน และ เริ่มต้น เม็ดหยาบ ใช้ช่วงเวลาที่ได้จาก
ฟาเยด&ลาชิขั้นตอนวิธี ( ระบุไว้ข้างต้น ) ในระหว่างกระบวนการวิวัฒนาการ
การกลายพันธุ์ผู้ประกอบการใช้จุดขอบสำหรับการแก้ไขอสมการ .
ผลตัวแปรที่เรียกว่า lsdf และการทดสอบการทดสอบการทดสอบ
lsdc ตามลำดับเปรียบเทียบขนาดสี่สายพันธุ์ของ ECL ด้วยค่า : ECL
กับค่ารักษาโลก ( ecl-gsd ) ซึ่งใช้ฟาเยด&ลาชิขั้นตอนวิธี
ก่อนที่จะวิวัฒนาการ กับท้องถิ่น รวมถึงค่า ECL unsupervised
( ecl-lud ) และการทดสอบกับสองตัวแปร ( lsdf การทดสอบการทดสอบและ lsdc )
ของเสนอท้องถิ่นดูแลค่าโดยวิธี