کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946402 1439282 2017 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A general reduction algorithm for relation decision systems and its applications
ترجمه فارسی عنوان
یک الگوریتم کاهش کلی برای سیستم های تصمیم گیری رابطه و برنامه های کاربردی آن
کلمات کلیدی
کاهش مشخصه، پوشش سیستم تصمیم گیری، جدول تصمیم گیری، ماتریس قابل تشخیص، سیستم تصمیم گیری رابطه،
ترجمه چکیده
این مقاله مسئله کاهش ویژگی را برای سیستم های تصمیم گیری ارتباط عمومی بررسی می کند. ما یک ماتریس قابل تشخیص جدید برای حل این مشکل پیشنهاد می کنیم. با ترکیب ماتریس قابل تشخیص و یک الگوریتم سریع پیشنهادی سریع، ما یک الگوریتم ساده سازی و یکپارچه سازی ویژگی برای سیستم های تصمیم گیری مرتبط ارائه می دهیم که مستلزم انسجام سیستم های تصمیم گیری رابطه نیست. ما الگوریتم کاهش را برای موارد خاص جداول کامل، ناقص و عددی تصدیق می کنیم. به عنوان یک برنامه کاربردی، ما کاهش ویژگی های سیستم های تصمیم گیری رابطه را به یکی برای پوشش دادن سیستم های تصمیم گیری تبدیل می کنیم. این یک الگوریتم کاهش مناسب و موثر برای پوشش دادن سیستم های تصمیم گیری است. نتایج کاهش یافته با استفاده از داده های دانشگاه ایالتی کالیفرنیا نشان می دهد که الگوریتم پیشنهادی ساده و کارآمد است. علاوه بر این، الگوریتم پیشنهادی، نتایج روشهای کاهش کلاسیک را به صورت تفسیر مجدد تعریف می کند و به آنها وحدت و همبستگی می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک الگوریتم کاهش کلی برای سیستم های تصمیم گیری رابطه و برنامه های کاربردی آن
چکیده انگلیسی
This paper studies the attribute reduction problem for general relation decision systems. We propose a new discernibility matrix to solve this problem. Combining the discernibility matrix and a recently proposed fast algorithm, we propose a simple and unified attribute reduction algorithm for relation decision systems that is not contingent on the consistency of relation decision systems. We derive the reduction algorithm for the special cases of complete, incomplete, and numerical decision tables. As an application, we transform the attribute reduction of relation decision systems into one for covering decision systems. This gives a convenient and effective reduction algorithm for covering decision systems. The reduction results obtained using University of California Irvine data sets show that the proposed algorithm is simple and efficient. Moreover, the proposed algorithm enables the results of classical attribute reduction approaches to be reinterpreted, giving them far greater unification and generality.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 119, 1 March 2017, Pages 87-93
نویسندگان
, , ,