Informacja

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

Wyszukujesz frazę "Rough Fuzzy sets" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Clustering Models for Generalized Covering Approximation Spaces
Grupowanie w uogólnionych aproksymacyjnych przestrzeniach pokryć
Autorzy:
Małyszko, D.
Powiązania:
https://bibliotekanauki.pl/articles/404005.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Symulacji Komputerowej
Tematy:
generalized approximation spaces
covering approximation spaces
rough sets
fuzzy sets
probabilistic sets
uogólnione przestrzenie aproksymacyjne
przestrzenie pokryć
zbiory przybliżone
zbiory rozmyte
zbiory probabilistyczne
Opis:
Mathematical foundations are steadily extended and pushing rough set theory into incorporating new data analysis methods and data models. Generalized approximation spaces present abstract model useful in understanding unknown and undefined data structure leading into creation many new robust and intelligent approaches. Covering approximation spaces present data by means of coverings of the universe. In the paper, these two approaches have been put together introducing the concept of generalized covering approximation space. Further rough coverings model for generalized covering approximation spaces has been presented. Proposed rough covering models are based upon clustering and thresholding of feature space, are embedded in generalized approximation spaces, simultaneously spanning standard, fuzzy and probabilistic data models.
Tematem pracy jest przedstawienie modelu grupowania w rozszerzenym pojęciu uogólnionych przestrzeni aproksymacyjnych, polegającym na zdefiniowaniu pokryć 9 w tych przestrzeniach. W ten sposób uogólniona przestrzeń aproksymacyjna, posiadająca z definicji sąsiedztwa oraz funkcję zawierania się zbiorów, posiada dodatkowo zdefiniowany system pokryć - czyli jest także przestrzenią pokryć. Praca wprowadza model grupowania w uogólnionych aproksymacyjnych przestrzeniach pokryć obejmujący pokrycia standardowe, rozmyte oraz probabilistyczne. W części prezentacyjnej przedstawione zostały przykłady wybranych uogólnionych aproksymacyjnych przestrzeni pokryć.
Źródło:
Symulacja w Badaniach i Rozwoju; 2015, 6, 4; 255-263
2081-6154
Pojawia się w:
Symulacja w Badaniach i Rozwoju
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Models of computational intelligence in bioinformatics
Autorzy:
Pedrycz, W.
Powiązania:
https://bibliotekanauki.pl/articles/333235.pdf
Data publikacji:
2003
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
obliczenia granularne
logika
bioinformatyka
granulki informacji
zbiory rozmyte
zbiory przybliżone
granular computing
logics
bioinformatics
information granules
fuzzy sets
rough sets
Opis:
Computational Intelligence has emerged as a synergistic environment of Granular Computing (including fuzzy sets, rough sets, interval analysis), neural networks and evolutionary optimisation. This symbiotic framework addresses the needs of system modelling with regard to its transparency, accuracy and user friendliness. This becomes of paramount interest in various modelling in bioinformatics especially when we are concerned with decision-making processes. The objective of this study is to elaborate on the two essential features of CI that is Granular Computing and the resulting aspects of logic-oriented processing and its transparency. As the name stipulates, Granular Computing is concerned with processing carried out at a level of coherent conceptual entities - information granules. Such granules are viewed as inherently conceptual entities formed at some level of abstraction whose processing is rooted in the language of logic (especially, many valued or fuzzy logic). The logic facet of processing is cast in the realm of fuzzy logic and fuzzy sets that construct a consistent processing background necessary for operating on information granules. Several main categories of logic processing units (logic neurons) are discussed that support aggregative (and-like and or-like operators) and referential logic mechanisms (dominance, inclusion, and matching). We show how the logic neurons contribute to high functional transparency of granular processing, help capture prior domain knowledge and give rise to a diversity of the resulting models.
Źródło:
Journal of Medical Informatics & Technologies; 2003, 5; IP13-23
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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