Data Mining

English:

We design novel rule-based classifier methods, constructed by using improved simplified swarm optimization (SSO), to mine a thyroid gland dataset from UCI databases. An elite concept is added to the proposed method to improve solution quality, close interval encoding (CIE) is added to efficiently represent the rule structure, and the orthogonal array test (OAT) is added to powerfully prune rules to avoid over-fitting the training dataset. To evaluate the classification performance of the proposed improved SSO, computer simulations are performed on well-known thyroid gland data. Computational results compare favorably with those obtained using existing algorithms such as conventional classifiers, including Bayes classifier, k-NN, k-Means, and 2D-SOM, and soft computing based methods such as the simple SSO, immune-estimation of distribution algorithms (IEDA), and genetic algorithm (GA).

Bahasa Melayu:

Kami mereka bentuk kaedah pengelas berasaskan peraturan yang baharu, dibina dengan menggunakan pengoptimuman kawanan struktur (SSO) yang dipermudah dan dipertingkatkan, untuk melombong set data kelenjar tiroid daripada pangkalan data UCI. Konsep elit ditambah ke dalam kaedah yang dicadangkan bagi meningkatkan kualiti penyelesaian, pengekodan selang tertutup (CIE) ditambah untuk mewakili struktur peraturan secara berkesan, dan ujian tatasusunan ortogon (OAT) ditambah untuk memangkas peraturan secara berkuasa bagi mengelakkan terlebih pemasangan (over-fitting) pada set data latihan.
Bagi menilai prestasi pengelasan SSO yang dipertingkatkan ini, simulasi komputer dijalankan ke atas data kelenjar tiroid yang terkenal. Hasil pengiraan menunjukkan perbandingan yang lebih baik berbanding dengan algoritma sedia ada seperti pengelas konvensional, termasuk pengelas Bayes, k-NN, k-Means, dan 2D-SOM, serta kaedah berasaskan pengkomputeran lembut seperti SSO ringkas, algoritma penganggaran taburan imun (IEDA), dan algoritma genetik (GA).