کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946451 1439287 2016 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Granular reducts of formal fuzzy contexts
ترجمه فارسی عنوان
گرانولد را کاهش می دهد از زمینه های فازی رسمی
کلمات کلیدی
مفهوم شبکه، مفهوم فازی مبهم، کاهش دهنده گرانول، رابطه مرتبه،
ترجمه چکیده
کاهش دانش یکی از مسائل کلیدی در کشف دانش و داده کاوی است. در طول ساخت یک شبکه مفهومی، به رسمیت شناخته شده است که پیچیدگی محاسباتی یک مانع عمده در به دست آوردن تمام مفهوم از یک پایگاه داده است. برای بهبود کارایی محاسبات، لازم است قبل از پردازش پایگاه داده و اندازه آن تا حد امکان کاهش یابد. با تمرکز بر زمینه های فازی رسمی، در مقاله، مفاهیم مجموعه های سازگار دانه ای و دانه های دانه ای کاهش می یابد و روش های کاهش گرانشی را به معنای کاهش صفات ارائه می دهند. با رویکردهای پیشنهادی، ویژگی هایی که برای تمام مفاهیم شیء ضروری نیست، می توانند بدون از دست دادن دانش حذف شوند و در نتیجه، پیچیدگی محاسباتی برای ساختن شبکه مفهومی کاهش می یابد. علاوه بر این، رابطه بین کاهش گرانول و طبقه بندی در یک متن فازی رسمی بررسی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Knowledge reduction is one of the key issues in knowledge discovery and data mining. During the construction of a concept lattice, it has been recognized that computational complexity is a major obstacle in deriving all the concept from a database. In order to improve the computational efficiency, it is necessary to preprocess the database and reduce its size as much as possible. Focusing on formal fuzzy contexts, we introduce in the paper the notions of granular consistent sets and granular reducts and propose granular reduct methods in the sense of reducing the attributes. With the proposed approaches, the attributes that are not essential to all the object concepts can be removed without loss of knowledge and, consequently, the computational complexity of constructing the concept lattice is reduced. Furthermore, the relationship between the granular reducts and the classification reducts in a formal fuzzy context is investigated.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 114, 15 December 2016, Pages 156-166
نویسندگان
, , , ,