Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloBinary rule generation via Hamming Clustering
Anno di pubblicazione2002
FormatoCartaceo
Autore/iM. Muselli, D. Liberati
Affiliazioni autoriM. Muselli, D. Liberati: CNR-IEIIT, Italy
Autori CNR e affiliazioni
  • DIEGO LIBERATI
  • MARCO MUSELLI
Lingua/e
  • inglese
AbstractThe 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.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da1258
Pagine a1268
Pagine totali-
RivistaIEEE transactions on knowledge and data engineering (Print)
Attiva dal 1989
Editore: Institute of Electrical and Electronics Engineers, - New York, NY
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 1041-4347
Titolo chiave: IEEE transactions on knowledge and data engineering (Print)
Titolo proprio: IEEE transactions on knowledge and data engineering. (Print)
Titolo abbreviato: IEEE trans. knowl. data eng. (Print)
Titoli alternativi:
  • Institute of Electrical and Electronics Engineers transactions on knowledge and data engineering (Print)
  • Transactions on knowledge and data engineering (Print)
  • Knowledge and data engineering (Print)
Numero volume della rivista14
Fascicolo della rivista6
DOI10.1109/TKDE.2002.1047766
Verificato da refereeSì: Internazionale
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • Scopus (Codice:2-s2.0-0036859708)
  • ISI Web of Science (WOS) (Codice:000178950300005)
Parole chiavehamming clustering, rule generation, machine learning, pattern recognition, logic synthesis
Link (URL, URI)-
Titolo parallelo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IEIIT — Istituto di elettronica e di ingegneria dell'informazione e delle telecomunicazioni
Moduli CNR
    Progetti Europei-
    Allegati
    • Binary rule generation via Hamming Clustering

    Dati storici
    I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
    Area disciplinareAI, Robotics & Automatic Control
    Area valutazione CIVRScienze e tecnologie per una società dell'informazione e della comunicazione
    Rivista ISIIEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING [09405J0]
    Descrizione sintetica del prodottoLa 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.