کاهش ویژگی سیستم های اطلاعاتی ناقص با تئوری مجموعه راف فازی با استفاده از الگوریتم چرخه آب
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:
در سال های اخیر تیوری مجموعه راف به یکی از راه حل های قدرتمند در حل مسیله هوش مصنوعی و داده کاوی تبدیل شده است. یک سیستم اطلاعاتی ناقص به جدول های داده ای اطلاق می شود که برخی درایه های صفات آن مقداری ندارند. انتخاب ویژگی بر اساس مجموعه های راف فازی یک رویکرد موثر برای انتخاب بهترین زیر مجموعه ای از ویژگی ها است. تیوری مجموعه فازی و نظریه مجموعه های راف دو نظریه متمایز اما مکمل است که با عدم اطمینان در داده ها مواجه می شوند. ویژگی های برجسته هر دو نظریه در محدوده تیوری تنظیم راف فازی قرار گرفته است. این تیوری ترکیبی به عنوان یک ابزار بالقوه برای استخراج داده ها، مخصوصا برای انتخاب ویژگی ها مفید است. با این حال، مطالعات نسبتا کمی در مورد داده های ناقص با فواصل زمانی وجود دارد. هدف از این مقاله ارایه یک رویکرد مجموعه ای فازی بر اساس غلبه بر سیستم های اطلاعاتی با ارزش ناقص است.از آنجا که کاهش ویژگی یک مسیله NP-hard به شمار می آید، الگوریتم تقریبی سریع و موثر مورد نیاز است.. در این مقاله، یک رویکرد بهینه سازی جدید، که به عنوان الگوریتم چرخه آب شناخته می شود برای حل این مسیله مورد استفاده قرار گرفته است . روش ارایه شده بر روی مجموعه داده های شناخته شده UCI آزمایش و تست گردید. نتایج آزمایشات، نشان می دهد که راف فازی و الگوریتم پیشنهاد شده نتایج مناسبی ارایه داد که درخور تامل است.
کلیدواژگان:
زبان:
فارسی
صفحات:
27 تا 34
لینک کوتاه:
magiran.com/p2582094
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!