利用模糊分群演算法生成虛擬屬性用於小量樣本資料學習

Generating Virtual Attributes by Fuzzy Clustering Algorithm for Small Datasets Learning

周才淵(TSAI-YUAN CHOU)

指導教授 ： 傅信維

義守大學/管理學院/管理碩博士班/碩士(2015年)

https://doi.org/10.6343/ISU.2015.00067

摘要

小樣本學習問題，常發生於系統建置初期資料取得困難或以及取得成本過高之情況，因此如何從中獲取更多有意義的資訊，於近年已成為研究的課題。本研究利用了模糊分群法(fuzzy C-mean, FCM)去分析樣本並且利用了側影係數(fuzzy silhouette coefficient, FSC)來決定最佳分群數，用來獲得最大的先前資訊。本研究在利用MTD來估計每群的範圍，並且計算每一樣本的隸屬函數，所產生出的數值稱作虛擬屬性。最後在實驗階段，本研究以電子製造業取得之真實案例進行驗證，結果顯示當訓練樣本加入本研究方法所產生之虛擬屬性後，確實比整體趨勢估計法在倒傳遞類神經網路上有更佳之預測準確度，表示此種研究方法所建構的樣本分配，確能改善小樣本之預測品質。

關鍵字

小樣本資料 ； 虛擬屬性 ； 模糊分群 ； 模糊側影係數

並列摘要

none

並列關鍵字

none

參考文獻

Campello, R. J. G. B., & Hruschka, E. R. (2006). A fuzzy extension of the silhouette width criterion for cluster analysis. Fuzzy Sets and Systems, 157(21), 2858-2875.

Guo, G. D., & Dyer, C. R. (2005). Learning from examples in the small sample case: Face expression recognition. IEEE Transactions on Systems Man and Cybernetics Part B-Cybernetics, 35(3), 477-488.

Hong, T. P., Tseng, L. H., & Chien, B. C. (2010). Mining from incomplete quantitative data by fuzzy rough sets. Expert Systems with Applications, 37(3), 2644-2653.

Huang, C. F. (1997). Principle of information. Fuzzy Sets and Systems, 91(1), 69-90.

Huang, C. F., & Moraga, C. (2004). A diffusion-neural-network for learning from small samples. International Journal of Approximate Reasoning, 35(2), 137-161.