استخراج قوانین β- معین و β- ممکن فازی از داده های کمی ناقص بوسیله مجموعه های ناهموار

ایده مجموعه ناهموار به وسیله Pawlak در سال 1982 ارائه گردیده این ایده بطور گسترده برای دسته بندی داده ها استفاده می شود مدل مجموعه ناهموار اصلی کاملا حساس به داده های نویزی است عموما الگوریتم های کاوش که مبتنی بر ایده مجموعه ناهموار هستند برای تشخیص روابط میان داده ها استفاده می شوند در کاربردهای دنیای واقعی داده ها با مقادیر کمیتی هستند Tzung برای استخراج قوانین معین و ممکن فازی از روی داده های کامل درجه از نامعینی را پیشنهاد داد. این مدل اجازه می داد که ایده مجموعه ناهموار و مجموعه های فازی با هم ترکیب شوند دراین مقاله ما ایده Tzung را روی داده های کمی ناقص بررسی می کنیم دراین روش ابتدا داده های کمی را به ترمهای فازی تبدیل می کنیم سپس با تقریبهای بالا و پایین فازی مقادیر نامعین را مشخص می کنیم در مرحله اخر قوانین -β معین و -β ممکن از روی تقریبهای پایین و بالا استخراج می کنیم این قوانین برای دسته بندی اشیا ناشناس استفاده می شود این مقاله مجموعه ناهموار را روی داده های ناقص با یک درجه از نامعینی تقریب زده و قوانین معین و ممکن را استخراج می کند.

کلیدواژه ها:

مجموعه فازی ، مجموعه ناهموار ، داده کاوی ، قوانین معین ، قوانین ممکن ، مقادیر کمی ، داده های ناقص