Autor:

Simiński, Krzysztof

Współtwórca:

Korbicz, Józef (1951- ) - red. ; Uciński, Dariusz - red.

Tytuł:

An outlier-robust neuro-fuzzy system for classification and regression

Tytuł publikacji grupowej:

AMCS, volume 31 (2021)

Temat i słowa kluczowe:

outliers ; neuro-fuzzy systems ; clustering ; classification ; regression

Abstract:

Real life data often suffer from non-informative objects - outliers. These are objects that are not typical in a dataset and can significantly decline the efficacy of fuzzy models. In the paper we analyse neuro-fuzzy systems robust to outliers in classification and regression tasks. We use the fuzzy c-ordered means (FCOM) clustering algorithm for scatter domain partition to identify premises of fuzzy rules. The clustering algorithm elaborates typicality of each object. Data items with low typicalities are removed from further analysis. The paper is accompanied by experiments that show the efficacy of our modified neuro-fuzzy system to identify fuzzy models robust to high ratios of outliers.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Data wydania:

2021

Typ zasobu:

artykuł

DOI:

10.34768/amcs-2021-0021

Strony:

303-319

Źródło:

AMCS, volume 31, number 2 (2021) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Licencja CC BY 4.0:

kliknij tutaj, żeby przejść

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego