基因规划分类架构.ppt

* * 資料處理 降雨強度實驗資料是取自TRMM衛星上TMI微波頻道區域在北緯 15-30度，東經110-130間的資料。 依中央氣象局所訂定之標準，以15mm/hr區分一般及強降雨事件。 訓練資料 測試資料 類別 資料量 類別 資料量 一般 400 一般 213 強降雨 200 強降雨 87 合計 600 合計 300 * * 擴增屬性(1/2) 原始資料庫內包含了下列9個TMI微波頻道亮度溫度資料： 10V, 10H, 19V, 19H, 21V, 37V, 37H, 85V, 85H 將9個屬性間值以差值的方式擴增其屬性，可擴增至45種屬性： 10V, 10H, 19V, 19H, 21V, 37V, 37H, 85V, 85H 10V-10H, 10v-19V, 10V-19H, 10V-21V, 10V-37V, 10V-37H 10V-85V, 10V-85H, 10H-19V, 10H-19H, 10H-21V, 10H-37V 10H-37H, 10H-85V, 10H-85H, 19V-19H, 19V-21V, 19V-37V 19V-37H, 19V-85V, 19V-85H, 19H-21V, 19H-37V, 19H-37H 19H-85V, 19H-85H, 21V-37V, 21V-37H, 21V-85V, 21V-85H 37V-37H, 37V-85V, 37V-85H, 37H-85V, 37H-85H, 85V-85H * * 擴增屬性(2/2) 利用不同的資料探勘技術分析出其重要規則，做為挑選擴增屬性及基本分類器之依據。 擴增過後的資料庫共15種特徵屬性： 10V, 10H, 19V, 19H, 21V, 37V, 37H, 85V, 85H (原屬性) 19V-21V, 19V-37V , 21V-85V , 85V-85H (差值) 類神經網路辨識結果 (分類器規則) 自我組織映射圖分群結果 (分類器規則) * * 實驗架構(I) GPHC架構使用準確率大於等於80%的規則作為基本分類器。 實驗架構可分為下列2個部分： 基本分類器 實驗結果 * * 實驗架構(I)-基本分類器 基本分類器 分類規則 一般降雨 事件 強降雨 事件 總和 BC 1 19V-37V = 9.39 101 14 115 BC 2 19V-37V 9.39 and 19V-21V -17.255 134 0 134 BC 3 19V-37V 9.39 and 19V-21V = -17.255 85V-85H 4.5 and 21V-85V = 14.84 39 3 42 BC 4 19V-37V 9.39 and 19V-21V = -17.255 85V-85H = 4.5 45 219 264 BC 5 Results from Neural Network class 1 364 31 395 BC 6 Results from Neural Network class 2 36 169 205 BC 7 Results from SOM cluster 1 7 45 52 BC 8 Results from SOM cluster 4 168 11 179 * * 實驗架構(I)-實驗結果 實驗架構 項次 分類器順序 準確率(%) 訓練階段 測試階段 一般降雨 強降雨 整體 I 1 625XX1XX683X3XXX2X6XX 91 87 93 89 I 2 52X1XX6X2XX 91 87 93 89 I 3 12X175XX6XXXX 91 87 93 89 I 4 5111XXXX2XX 91 87 93 89 I 5 615XX84X3X6XXX26X3XXX 91 87 93 89 I： 使用8個基本分類器為實驗架構，並以整體準確率為適應函數。 * * 實驗架構(II) 將實驗(I)各基本分類器內的規則做拆解，將單一規則屬性視為一基本分類器做演化結合。 實驗架構可分為下列2個部分： 基本分類器 實驗結果 * * 實驗架構-基本分類器 基本分類器 分類規則 基本分類器 分類規則 BC 1 19V-21V -17.255 BC 9 Results from Neural Network class 1 BC 2 19V-21V = -17.255 BC 10 Results from Neural Network class 2 BC 3 19V-37V 9.39 BC 11 Results from SOM cluster 1 BC 4 19V-37V = 9.39 BC 12 Results from SOM cluster 2 B