Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Zastosowanie zbiorów rozmytych z analizą skupień w zadaniu klasyfikacji towarów. Cz. 2

Tytuł:
Zastosowanie zbiorów rozmytych z analizą skupień w zadaniu klasyfikacji towarów. Cz. 2
Application of fuzzy sets with cluster analysis in the classification task of goods. Part 2
Autorzy:
Topolski, M.
Powiązania:
https://bibliotekanauki.pl/articles/311253.pdf
Data publikacji:
2017
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
logistyka
procesy informatyczne
systemy komputerowe
zarządzanie przedsiębiorstwem
prognoza sprzedaży
klasyfikacja towaru
logistics
IT processes
computer systems
business management
selling prediction
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 6; 1601-1605, CD
1509-5878
2450-7725
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Artykuł przedstawia zagadnienia zbiorów rozmytych o metody analizy skupień k-średnich w zadaniu klasyfikacji towarów. Często w analizie danych spotykamy się z niepełnymi i nieprecyzyjnymi danymi. Nieprecyzyjność ta wynika z faktu, że opis cech towarów często podlega subiektywnej ocenie. Klasyczne metody probabilistyczne czy te wywodzące się z teorii statystycznej nie radzą sobie dobrze z klasyfikacją w takich warunkach. Autor z tego względu zastosował rozmytą obserwację cech obiektu/towaru aby jak najdokładniej dokonać klasyfikacji towaru do pewnej grupie. Opracowana metoda zatem jest konkurencyjna w stosunku do metod ABC i XZY ale ze względu na dużą złożoność obliczeniową i konieczność budowy rozmytej bazy reguł postępowania wymaga podejścia numerycznej komputerowej analizy danych.

The paper presents the problems of fuzzy sets for methods of analysis of k-mediated clusters in the task of classification of goods. Often in data analysis we encounter incomplete and imprecise data. This imprecision arises from the fact that the description of the characteristics of the goods is often subject to subjective assessment. Classical probabilistic methods or those derived from statistical theory do not cope well with classification under such conditions. The author therefore used fuzzy observation of the features of the object/commodity to accurately classify the goods to a certain group. The method developed is therefore competitive with the ABC and XZY methods, but due to the high computational complexity and the need to construct a fuzzy rules of procedure, it requires a numerical approach to computer data analysis.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies