کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944252 1437985 2017 54 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A new method for classification of imprecise data using fuzzy rough fuzzification
ترجمه فارسی عنوان
یک روش جدید برای طبقه بندی داده های نامشخص با استفاده از فازی سازی فازی خشن
کلمات کلیدی
طراحی طبقه بندی استدلال عدم اطمینان، مجموعه فازی مجموعه خشن، داده های نامطلوب،
ترجمه چکیده
در این مقاله، مجموعه های خشن فازی به عنوان یک راه حل جدید برای حل مسئله مدیریت داده های ورودی نامشخص در وظایف طبقه بندی معرفی می شوند. روش پیشنهادی به عنوان یک راه غیرقطعی برای فازیزابی غیر تک تک نشان داده شده است. هر دو روش در طبقه بندی های عصبی فازی استفاده می شوند و با استفاده از روش منطقی و نیز نوع اتصال فازی به کار می روند. چندین نظریه در مورد چگونگی تثبیت فازی سازی غیر تک تک در مجموعه های فازی پیشین از سیستم های فازی منطقی نوع و پیوستگی توضیح داده شده است. به همین ترتیب، فازیزاسیون خفیف فازی به طور یکسان از سیستم های فازی منطقی و نوع اتصال استفاده می کند. با توجه به طبقه بندی، ساختار عصبی - فازی - خشن پیشنهاد شده می تواند به عنوان یک گسترش از ساختار عصبی - فازی فازی با فازی سازی فضای ورودی، انجام شده توسط مجموعه های خشن فازی را در نظر بگیرد. تحقیقات انجام شده برای طیف گسترده ای از گسترش فازیزاسیون اجازه می دهد رفتار روش های فازیزاسیون مورد بررسی قرار گیرد و برای اطمینان از اعتماد عمومی در مورد معنی گسترش استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک روش جدید برای طبقه بندی داده های نامشخص با استفاده از فازی سازی فازی خشن
چکیده انگلیسی
In this paper, fuzzy rough sets are introduced as a new solution to the problem of handling imprecise input information in classification tasks. The proposed method is shown as an dispensable way to non-singleton fuzzification. Both methods are applied in neuro-fuzzy classifiers and are extended to be applied with logical-type as well as conjunction-type of fuzzy inference. Several theorems describe how to embed non-singleton fuzzification in antecedent fuzzy sets of the logical-type and conjunction-type fuzzy systems. Likewise, fuzzy rough fuzzification embeds in alike the logical-type and conjunction-type fuzzy systems. With reference to classification, the proposed neuro-fuzzy-rough structure may be considered as an extension of the neuro-rough-fuzzy structure by fuzzification of an input space, performed by fuzzy rough sets. The investigations processed for a wide range of fuzzification spread allow to observe the behavior of fuzzification methods under consideration and to verify the common certitude about the meaning of the spread.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 414, November 2017, Pages 33-52
نویسندگان
, ,