Design of Fuzzy Rule-based Ensembles using FURIA, Diversity Induction and Evolutionary Algorithms

Abstract

Los sistemas basados en reglas difusas han demostrado una alta capacidad de extracción y representación del conocimiento a la hora de modelar problemas de clasificación complejos y no lineales. Sin embargo, cuando se aplican a conjuntos de datos de alta complejidad, es decir con un gran número de variables y/o ejemplos, sufren la denominada ``maldición de las dimensiones'' (curse of dimensionality). Los métodos de combinación de clasificadores han demostrado ser una buena técnica para afrontar este tipo de problemas. En esta tesis doctoral se propone un marco global basado en el enfoque de los métodos de combinación de clasificadores que permite a los sistemas basados en reglas difusas manejar conjuntos de datos de alta complejidad evitando el problema anterior. Para conseguir este objetivo, el marco de trabajo propuesto incorpora distintos métodos de combinación de clasificadores y considera algoritmos evolutivos para diseñar métodos de combinación de clasificadores basados en reglas difusas. Su estructura se basa en dos etapas: 1) Diseño de métodos de combinación de clasificadores basados en reglas difusas a partir de enfoques clásicos y avanzados, y 2) Diseño de nuevos métodos de selección y fusión de clasificadores base usando algoritmos evolutivos. Este enfoque permite diseñar varios métodos específicos de combinación de clasificadores basados en reglas difusas que permiten la mejora de la precisión en los resultados y la obtención de un buen equilibrio entre precisión y complejidad. Se han realizado experimentos exhaustivos con varios conjuntos de datos de alta complejidad (en lo que respecta al número de atributos y al número de ejemplos) procedentes de los repositorios UCI y KEEL que han demostrado el buen comportamiento de los métodos propuestos. Además, se ha aplicado con éxito uno de los diseños concretos de combinación de clasificadores basados en reglas difusas a un problema real consistente en la localización en interiores utilizando topología WiFi. Esta tarea se corresponde con un problema de clasificación de alta dimensionalidad cuando se trata de un entorno complejo, que presenta la dificultad adicional de la incertidumbre asociada debido a la naturaleza de las señales WiFi.