Tolerance-based intuitionistic fuzzy-rough set approach for attribute reduction

تئوری مجموعه خشن برای ضریب پذیری موفقیت آمیز است، اما این نظریه در مورد کاهش ویژگی های مجموعه داده های واقعی ارزش ناکافی است، زیرا ممکن است برخی از اطلاعات را در طی فرایند فشرده سازی از دست بدهد. تئوری مجموعه فازی و خشن ترکیب شده و تکنیک های انتخاب ویژگی های مختلف پیشنهاد شده اند که می توانند به راحتی داده های واقعی را مدیریت کنند. مجموعه فازی شهودی دارای توانایی قوی برای نشان دادن اطلاعات و توصیف بهتر عدم اطمینان در مقایسه با نظریه مجموعه فازی کلاسیک است، زیرا به طور همزمان به مثالی، منفی و غفلت برای یک شیء متعلق به یک مجموعه می پردازد. این مقاله یک مکانیزم جدید برای انتخاب ویژگی را با استفاده از نظریه مجموعه خشن فازی شهود مبتنی بر تحمل پیشنهاد می دهد. برای این، ما تقریبهای پایین و برتری فازی شهودی را بر اساس تحلیلی ارائه می دهیم و درجه وابستگی ویژگی های تصمیم گیری را بر مجموعه ای از ویژگی های شرطی شکل می دهیم. علاوه بر این، نتایج پایه در تقریب های پایین و بالا بر اساس مجموعه های خشن برای مجموعه های خشن فازی شهودی گسترش یافته و نتایج مشابهی ایجاد می شود. در نهایت، الگوریتم پیشنهادی به مجموعه داده های نمونه اعمال می شود و مقایسۀ روش های فازی فازی فازی بر پایه تحمل مبتنی بر تحمل برای انتخاب ویژگی ها ارائه شده است. مفهوم پیشنهادی در قالب ویژگی های انتخاب شده بهتر عمل می کند.