Binary rule generation via Hamming Clustering (Articolo in rivista)

Type

• Articolo in rivista (Classe)
• Prodotto della ricerca (Classe)

Label

• Binary rule generation via Hamming Clustering (Articolo in rivista) (literal)

Anno

• 2002-01-01T00:00:00+01:00 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi

• 10.1109/TKDE.2002.1047766 (literal)

Alternative label

• M. Muselli, D. Liberati (2002)
  Binary rule generation via Hamming Clustering
  in IEEE transactions on knowledge and data engineering (Print)
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• M. Muselli, D. Liberati (literal)

Pagina inizio

• 1258 (literal)

Pagina fine

• 1268 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume

• 14 (literal)

Rivista

• IEEE transactions on knowledge and data engineering (Rivista)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroFascicolo

• 6 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#descrizioneSinteticaDelProdotto

• La pubblicazione in esame propone un nuovo algoritmo per la soluzione di problemi di Pattern Recognition, denominato Hamming Clustering (HC). Esso permette di generare un insieme di regole comprensibili raggiungendo prestazioni superiori a quelle delle migliori tecniche di apprendimento disponibili. HC è inoltre in grado di individuare, quale sottoprodotto del processo di apprendimento, variabili di ingresso ridondanti ai fini dell’analisi in oggetto, permettendo così una notevole semplificazione del procedimento di acquisizione dei dati. Il processo di apprendimento non richiede l’esecuzione di operazioni in virgola mobile, ma esclusivamente operazioni logiche elementari (AND, OR , NOT). Di qui trae motivazione l’elevata velocità dell’algoritmo, nonché la sua insensibilità ai problemi di precisione che affliggono i metodi di machine learning attualmente disponibili. (literal)

Note

• Scopu (literal)
• ISI Web of Science (WOS) (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• M. Muselli, D. Liberati: CNR-IEIIT, Italy (literal)

Titolo

• Binary rule generation via Hamming Clustering (literal)

Abstract

• The generation of a set of rules underlying a classification problem is performed by applying a new algorithm, called Hamming Clustering (HC). It reconstructs the {\sc and-or} expression associated with any Boolean function from a training set of samples. The basic kernel of the method is the generation of clusters of input patterns that belong to the same class and are close to each other according to the Hamming distance. Inputs which do not influence the final output are identified, thus automatically reducing the complexity of the final set of rules. The performance of HC has been evaluated through a variety of artificial and real world benchmarks. In particular, its application in the diagnosis of breast cancer has led to the derivation of a reduced set of rules solving the associated classification problem. (literal)

Prodotto di

• Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni (IEIIT) (Istituto)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)

Autore CNR

• MARCO MUSELLI (Unità di personale interno)
• DIEGO LIBERATI (Persona)

Insieme di parole chiave

• Parole chiave di "Binary rule generation via Hamming Clustering" (Insieme di parole chiave)

Incoming links:

Prodotto

• Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni (IEIIT) (Istituto)
• Machine Learning for Biological Data (INT.P02.002.001) (Modulo)

Autore CNR di

• MARCO MUSELLI (Unità di personale interno)
• DIEGO LIBERATI (Persona)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi

• IEEE transactions on knowledge and data engineering (Rivista)

Insieme di parole chiave di

• Parole chiave di "Binary rule generation via Hamming Clustering" (Insieme di parole chiave)