RÚT GỌN THUỘC TÍNH CHO BẢNG QUYẾT ĐỊNH THEO TIẾP CẬN TẬP THÔ LÂN CẬN

 0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Thị Duyên Nguyễn, Xuân Tiến Nguyễn, Hữu Nguyên Tô, Thanh Đại Trần, Văn Hà Trịnh

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 2023

Mô tả vật lý: tr.92-99

Bộ sưu tập: Metadata

ID: 340225

 Attribute reduction is an essential data preprocessing step widely applied in pattern recognition, recommender systems, and decision support. For attribute reduction with numeric decision tables according to the granular computing approach, the traditional information granular is often shaded or discretized to build measures to evaluate the importance of the attribute. In this paper, we propose a new attribute reduction method including the following steps: 1) discretize data to increase the smoothness of the data after discretization
  2) determine the dependency ratio of the decision attribute with the set of condition attributes
  3) define a reduct and calculate the importance of the attribute to build an attribute reduction algorithm. The experimental results on the sample datasets from UCI show that our proposed method is effective compared to the attribute reduction methods following the traditional fuzzy computing approach.Rút gọn thuộc tính là bước tiền xử lý dữ liệu quan trọng và được ứng dụng rộng rãi trong các lĩnh vực nhận dạng mẫu, hệ tư vấn và hỗ trợ ra quyết định. Để rút gọn thuộc tính cho các bảng quyết định miền giá trị số theo tiếp cận tính toán hạt, các hạt thông tin truyền thống thường được mờ hóa hoặc rời rạc hóa để xây dựng các độ đo đánh giá độ quan trọng của thuộc tính. Trong bài báo này chúng tôi đề xuất phương pháp rút gọn thuộc tính mới bao gồm các bước sau đây: 1) mờ hóa quá trình rời rạc dữ liệu nhằm tăng độ mịn dữ liệu sau khi rời rạc hóa
  2) xác định tỉ lệ phụ thuộc của thuộc tính quyết định với tập thuộc tính điều kiện
  3) định nghĩa tập rút gọn và phương pháp tính toán độ quan trọng của thuộc tính để xây dựng thuật toán rút gọn thuộc tính. Các kết quả thực nghiệm trên các bộ dữ liệu mẫu từ UCI cho thấy, phương pháp của chúng tôi đề xuất là hiệu quả so với các phương pháp rút gọn thuộc tính theo tiếp cận tính toán mờ truyền thống.
Tạo bộ sưu tập với mã QR

THƯ VIỆN - TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP.HCM

ĐT: (028) 36225755 | Email: tt.thuvien@hutech.edu.vn

Copyright @2024 THƯ VIỆN HUTECH