Multi-objective local search for mining ...
Type de document :
Communication dans un congrès avec actes
Titre :
Multi-objective local search for mining Pittsburgh classification rules
Auteur(s) :
Jacques, Julie [Auteur]
Alicante [Seclin]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Taillard, Julien [Auteur]
Alicante [Seclin]
Delerue, David [Auteur]
Alicante [Seclin]
Jourdan, Laetitia [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Dhaenens, Clarisse [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Alicante [Seclin]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Taillard, Julien [Auteur]
Alicante [Seclin]
Delerue, David [Auteur]
Alicante [Seclin]
Jourdan, Laetitia [Auteur]

Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Dhaenens, Clarisse [Auteur]

Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Laboratoire d'Informatique Fondamentale de Lille [LIFL]
Titre de la manifestation scientifique :
International Conference on Metaheuristics and Nature Inspired Computing
Ville :
Port El-Kantaoui
Pays :
Tunisie
Date de début de la manifestation scientifique :
2012-10-27
Discipline(s) HAL :
Computer Science [cs]/Operations Research [math.OC]
Résumé en anglais : [en]
This abstract presents a modeling of the classification rule mining problem as a dominance-based multi-objective local search, with Pittsburgh solution encoding, using accuracy and the number of terms as objectives. This ...
Lire la suite >This abstract presents a modeling of the classification rule mining problem as a dominance-based multi-objective local search, with Pittsburgh solution encoding, using accuracy and the number of terms as objectives. This solution is then compared to results from literature of 22 rule mining classification algorithms.Lire moins >
Lire la suite >This abstract presents a modeling of the classification rule mining problem as a dominance-based multi-objective local search, with Pittsburgh solution encoding, using accuracy and the number of terms as objectives. This solution is then compared to results from literature of 22 rule mining classification algorithms.Lire moins >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.archives-ouvertes.fr/hal-00749712/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-00749712/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- meta2012-rulemining-acc.pdf
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- meta2012-rulemining-acc.pdf
- Accès libre
- Accéder au document