文献

J-GLOBAL ID：202002289635371299   整理番号：20A1072310

カテゴリーデータのためのファジィラフ属性削減【JST・京大機械翻訳】

Fuzzy Rough Attribute Reduction for Categorical Data

著者 (5件)： Wang Changzhong (Department of Mathematics, Bohai University, Jinzhou, China) ,  Wang Yan (Department of Mathematics, Bohai University, Jinzhou, China) ,  Shao Mingwen (College of Computer and Communication Engineering, China University of Petroleum, Qingdao, China) ,  Qian Yuhua (School of Computer and Information Technology, Shanxi University, Taiyuan, China) ,  Chen Degang (Department of Mathematics & Physics, North China Electric Power University, Beijing, China)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 28  号： 5  ページ： 818-830  発行年： 2020年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
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： 古典的ラフ集合理論はカテゴリーデータの不確実性を扱うための有用なツールと考えられる。このモデルの主な欠点は,古典的ラフ集合モデルが,等価関係の厳しい条件による分類学習における雑音に敏感であることである。このように,ファジィ類似性関係のクラスを導入して,カテゴリー属性を有するサンプル間の類似性を記述した。しかしながら,これらの種類の類似性関係は,それらがファジィラフ計算において使用されるとき,欠陥を有する。本論文では,サンプルの類似性を制御するために可変パラメータを導入することにより,カテゴリーデータのための新しいファジィラフ集合モデルを提案した。このモデルは,ファジィラフ近似と依存関数を定義するために反復計算戦略を採用する。提案したラフ依存関数は単調であることを証明した。最後に,提案したモデルをカテゴリーデータの属性低減に適用した。実験結果は,提案したモデルがいくつかの既存のアルゴリズムよりカテゴリーデータに対してより効果的であることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  不確実性 ,  近似法 ,  同値関係 ,  類似性 ,  曖昧さ ,  *ラフ集合
準シソーラス用語： ラフ集合論 ,  ファジィラフ集合 ,  類似性関係 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (2件)： カテゴリー ,  属性