توضیحات
ABSTRACT
An information system as a database that represents relationships between objects and attributes is an important mathematical model. An interval-valued information system is a generalized model of single- valued information systems. As important evaluation tools in the field of machine learning, measures of uncertainty can quantify the dependence and similarity between two targets. However, the existing measures of uncertainty for intervalvalued information systems have not been thoroughly researched. This paper is devoted to the study of new measures of uncertainty for an interval-valued information system. Information structures are first introduced in a given interval-valued information system. Then, the dependence between two information structures is depicted. Next, new measures of uncertainty for an interval-valued information system are investigated by using the information structures. As an application of the proposed measures, the rough entropy of a rough set is proposed by means of information granulation. Finally, a numerical experiment on the Face recognition dataset is presented to demonstrate the feasibility of the proposed measures, and a statistical effectiveness analysis is conducted. The results are helpful for understanding the essence of uncertainty in interval-valued information systems.
INTRODUCTION
Rough set theory, a mathematical tool to address imprecision and uncertainty in data analysis, has been successfully applied to intelligent systems, machine learning, knowledge discovery, expert systems, decision analysis, inductive reasoning, pattern recognition, split theory and signal analysis . An information system based on rough sets was introduced by Pawlak. An interval-valued information system is a generalization of the classic information system. To address interval data, scholars have used the methods for managing classic information systems to manage interval-valued information systems. For example, Yao and Li proposed an interval set model for interval-valued information systems with upper and lower approximations and introduced generalized decision logic. Dai et al. studied the algebraic structures of interval-set-valued rough sets generated from an approximation space. Leung et al. investigated a rough set approach on the basis of a knowledge induction process for selecting decision rules with minimum feature sets in interval-valued information systems. Qian et al. presented a dominance relation for interval-valued information systems. Yang et al. proposed a dominance relation and generated the optimal decision rules in incomplete interval-valued information systems.
چکیده
یک سیستم اطلاعاتی به عنوان یک پایگاه داده ای که رابطه بین اشیاء و صفات را نشان می دهد یک مدل ریاضی مهم است. یک سیستم اطلاعات ارزشمند، یک مدل عمومی از سیستم های اطلاعات تک ارزش است. ابزار اندازه گیری مهم در زمینه یادگیری ماشین، اندازه گیری های عدم قطعیت می تواند وابستگی و شباهت بین دو هدف را تعیین کند. با این حال، اندازه گیری های موجود از عدم اطمینان برای سیستم های اطلاعات ارزشمند به طور کامل مورد تحقیق قرار نگرفته است. این مقاله به بررسی ابعاد جدید عدم قطعیت برای یک سیستم اطلاعاتی ارزشمند تعلق دارد. ساختارهای اطلاعاتی در ابتدا در یک سیستم اطلاعاتی با ارزش تعریف شده معرفی می شوند. سپس، وابستگی بین دو ساختار اطلاعات نشان داده می شود. بعد، اندازه گیری های جدید عدم قطعیت برای یک سیستم اطلاعات ارزشمند با استفاده از ساختار اطلاعات مورد بررسی قرار می گیرد. به عنوان یک کاربرد از اقدامات پیشنهادی، آنتروپی خشن یک مجموعه خشن با استفاده از اطلاعات گرانوله ارائه می شود. در نهایت، یک آزمایش عددی در مجموعه داده شناختی چهره برای نشان دادن امکان سنجی اقدامات پیشنهادی ارائه شده است و یک تحلیل آماری آماری انجام شده است. نتایج به دست آمده برای درک ماهیت عدم قطعیت در سیستم های اطلاعات ارزشمند با ارزش مفید است.
مقدمه
نظریه مجموعه خشن، یک ابزار ریاضی برای رفع نقیصه و عدم اطمینان در تجزیه و تحلیل داده ها، به سیستم های هوشمند، یادگیری ماشین، کشف دانش، سیستم های متخصص، تجزیه و تحلیل تصمیم گیری، استدلال استقامتی، شناخت الگو، نظریه تقسیم و تحلیل سیگنال به طور موفقیت آمیزی اعمال شده است. یک سیستم اطلاعاتی مبتنی بر مجموعه های خشن توسط Pawlak معرفی شد. یک سیستم اطلاعات ارزشمند تعمیم یافته یک سیستم اطلاعات کلاسیک است. برای پاسخ دادن به اطلاعات فاصله، محققان از روش های مدیریت سیستم های اطلاعات کلاسی برای مدیریت سیستم های اطلاعات ارزشمند استفاده کرده اند. به عنوان مثال، یو و لی یک مدل مجموعه ای از بازه برای سیستم های اطلاعات ارزشمند با مقادیر بالاتری و پایین ارائه دادند و منطق تصمیم گیری عمومی را ارائه دادند. دای و همکاران ساختارهای جبری مجموعه های خشن مجموعه ای که از فاصله تقریبی تولید شده اند، مورد مطالعه قرار گرفتند. Leung et al بر اساس یک فرآیند الحاق دانش برای انتخاب قواعد تصمیم گیری با حداقل مجموعه ویژگی ها در سیستم های اطلاعاتی با فاصله زمانی، یک روش رویکرد خشن را مورد بررسی قرار داد. کیان و همکاران یک سیستم سلسله مراتبی برای سیستم های اطلاعات ارزشمند ارائه داد. یانگ و همکاران یک رابطه غالب را پیشنهاد کرد و قوانین تصمیم بهینه را در سیستم های اطلاعاتی با ارزش ناقص ناقص تولید کرد.
Year: 2018
Publisher : ELSEVIER
By : Ningxin Xie , Meng Liu , Zhaowen Li , Gangqiang Zhang
File Information: English Language/ 27 Page / size: 556 KB
سال : 1396
ناشر : ELSEVIER
کاری از : Ningxin Xie , Meng Liu , Zhaowen Li , Gangqiang Zhang
اطلاعات فایل : زبان انگلیسی / 27 صفحه / حجم : KB 556
نقد و بررسیها
هنوز بررسیای ثبت نشده است.