文献

J-GLOBAL ID：201702273677224810   整理番号：17A1779727

重みに基づくランク付けされたファジィラフ還元【Powered by NICT】

Weights based ranked fuzzy rough reduction

著者 (4件)： Tsang Eric C.C. (Faculty of Information Technology, Macau University of Science and Technology, Taipa, Macau) ,  Xingqi Fan (Key Laboratory of Data Engineering and Knowledge Engineering (Renmin University of China), MOE) ,  Li Xuefeng (School of Information, Renmin University of China) ,  Suyun Zhao (Key Laboratory of Data Engineering and Knowledge Engineering (Renmin University of China), MOE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLC  ページ： 223-229  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ファジィラフ法ファジィ・ラフ知識,情報を不変に保ちによる冗長オブジェクトと属性を低減できるに対処するための数学的ツールである。ファジィラフ集合に関する既存の研究では,すべての属性は,意思決定のための同じ量を持つと仮定した。実際異なる属性意思決定に異なる役割を果たしている可能性がある。その結果,ファジィラフ集合への重みと本論文でランク付けされた属性縮小設計量を導入した。最初に,属性重みをもつMinkowski距離を適用したファジィラフ集合を定義し,次に量はファジィラフ集合に導入した。次に,重み付きファジィラフ集合のための重要である最適量を見出した。重み付き識別情報を最大化することで,対応する属性の依存度は最適量であることを見出した。この発見に基づいて,著者らは,重みを順位づけすることにより,属性縮小アルゴリズムを設計した。最後に,古典的ヒューリスティック低減アルゴリズムと提案した量のランク低減アルゴリズムを比較した。数値結果は,提案したアルゴリズムは多数の属性を持つデータセット上でより効率的であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 不変性 ,  アルゴリズム ,  *曖昧さ ,  意思決定 ,  *等級づけ
準シソーラス用語： ヒューリスティック ,  識別子 ,  ファジィラフ集合 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (2件)： ランク付け ,  還元