کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943740 1437707 2017 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evaluating flexible criteria on uncertain data
ترجمه فارسی عنوان
ارزیابی معیارهای انعطاف پذیر در داده های نامشخص
کلمات کلیدی
ترجمه چکیده
سیستم های مدرن مدیریت اطلاعات و پایگاه های داده به سرعت در حال پیشرفت برای برخورد با نقص های داده می شوند. یک ناقص رایج عدم قطعیت است، که نشان می دهد که ارزش دقیق اموال شناخته شده نیست. در حالت ایده آل، چنین سیستمی را می توان با استفاده از معیارهای انعطاف پذیر بدون توجه به اینکه آیا داده های اساسی نامشخص هستند یا خیر، یکپارچه می شود. نتیجه آن همیشه باید آموزنده و بصری باشد و باید انعکاس دهد که به چه میزان داده ها معیارها را برآورده می کنند و به چه میزان این نامعلوم است. در این مقاله، روش جدیدی برای ارزیابی معیارهای انعطاف پذیر در داده های نامشخص ارائه می کنیم. نتیجه آن توزیع عدم قطعیت بیش از درجه رضایتمندی است. این توزیع به اصطلاح مناسب برای اولین بار برای داده های احتمالی ساخته شده است. نشان داده شده است که می توان آنها را در تمام سناریوها از معیار های منظم و واضح بر روی داده های خاصی تا معیارهای انعطاف پذیر بر روی داده های نامشخص استفاده کرد و آنها به صورت یکپارچه سایر گزینه ها را تعمیم داد. مهم است که تفسیر آنها همیشه یکسان است، بنابراین آنها می توانند بدون نیاز به دانش پیشین در مورد کیفیت داده ها مورد استفاده قرار گیرند. پس از آن ویژگی های آنها و عملیات پشتیبانی شده ارائه شده است. بعدا نشان داده شده است که می توان آنها را نیز به طور گسترده تر به کار برد، به عنوان مثال برای داده های احتمالی. مثالها مفاهیم غنی خود، سهولت استفاده و کاربرد گسترده را نشان می دهند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Modern information management systems and databases are rapidly becoming better equipped for handling data imperfections. A common imperfection is uncertainty, indicating that a property's exact value is not known. Ideally, such systems can be queried uniformly using flexible criteria regardless of whether the underlying data are uncertain or not. The result thereof should always be informative and intuitive, and should reflect to what degree the data satisfy the criteria and to which degree this is uncertain. In this work, we present a novel way to evaluate flexible criteria on uncertain data. The result thereof is a distribution of uncertainty over degrees of satisfaction. These so-called suitability distributions are first constructed for possibilistic data. It is shown that they can be used in all scenarios going from regular, crisp criteria on certain data to flexible criteria on uncertain data, and that they seamlessly generalize other alternatives. Importantly, their interpretation is always the same, so they can be used without needing to have prior knowledge regarding the quality of the data. Afterwards their properties and supported operations are given. Next it is shown that they can also be applied more broadly, for example for probabilistic data. Examples illustrate their rich semantics, ease-of-use and broad applicability.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Fuzzy Sets and Systems - Volume 328, 1 December 2017, Pages 122-140
نویسندگان
, , ,