Temat: noisy data - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Architectures of Granular Information and Their Robustness Properties: a Shadowed Sets Approach
Autorzy:: Pedrycz, W.
Powiązania:: https://bibliotekanauki.pl/articles/908294.pdf
Data publikacji:: 1999
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: informacja szczegółowa
zbiór rozmyty
dane zaszumione
niepewność
multiplekser
information granulation and information granules
fuzzy sets
shadowed sets
noisy data
uncertainty
generalized multiplexer
switching mechanisms
Opis:: This paper addresses an important issue of information of granulation and relationships between the size of information granules and the ensuing robustness aspects. The use of shadowed sets helps identify and quantify absorption properties of set-based information granules. Discussed is also a problem of determining an optimal level of information granulation arising in the presence of noisy data. The study proposes a new architecture of granular computing involving continuous and granulated variables. Numerical examples are also included.
Źródło:: International Journal of Applied Mathematics and Computer Science; 1999, 9, 2; 435-455
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Effectiveness of Symbolic Classification Trees Vs. Noisy Variables
Skuteczność drzew klasyfikacyjnych dla obiektów symbolicznych a zmienne zakłócające
Autorzy:: Dudek, Andrzej
Pełka, Marcin
Powiązania:: https://bibliotekanauki.pl/articles/906310.pdf
Data publikacji:: 2009
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:: Classification
discrimination
symbolic data
noisy variables
Opis:: W rzeczywistych problemach badawczych często oprócz zmiennych istotnych mamy do czynienia ze zmiennymi zakłócającymi (nieistotnymi). Nie zawsze można dokonać wyboru zmiennych istotnych, np. za pomocą metody HINoV, lub zmodyfikowanej metody HINoV. W artykule porównano efektywność wykrywania znanej struktury klas za pomocą drzew klasyfikacyjnych dla obiektów symbolicznych oraz jądrowej analizy dyskryminacyjnej obiektów symbolicznych w sytuacji, gdy mamy do czynienia ze zmiennymi zakłócającymi. Badanie efektywności przeprowadzono na symulowanych danych symbolicznych w różnych modelach. Każdy z modeli zawierał znaną liczbę klas. Dodatkowo do każdego modelu dodano różną liczbę zmiennych zakłócających.
In real research problems we usually deal with relevant variables and irrelevant (noisy) variables. Relevant variables sometimes can not be identified, by for example HINoV method or modified HINoV method. This paper compares effectiveness detection o f known class structure with application o f symbolic decision trees and symbolic kernel discriminant analysis in situation where we deal with noisy variables. This research was conducted on artificial symbolic data from a variety o f models. The models contained known structure o f clusters. In addition, the models contained different number o f noisy variables added to obscure the underlying structure.
Źródło:: Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
0208-6018
2353-7663
Pojawia się w:: Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Regression analysis for interval-valued symbolic data versus noisy variables and outliers
Regresja liniowa danych symbolicznych a zmienne zakłócające i obserwacje odstające
Autorzy:: Pełka, Marcin
Dudek, Andrzej
Powiązania:: https://bibliotekanauki.pl/articles/425104.pdf
Data publikacji:: 2016
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: regression analysis
interval-valued symbolic data
noisy variables
outliers
Opis:: Regression analysis is perhaps the best known and most widely used method used for the analysis of dependence; that is, for examining the relationship between a set of independent variables (X’s) and a single dependent variable (Y). In general regression, the model is a linear combination of independent variables that corresponds as closely as possible to the dependent variable [Lattin, Carroll, Green 2003, p. 38]. The aim of the article is to present two suitable adaptations for a regression analysis of symbolic interval-valued data (centre method and centre and range method) and to compare their usefulness when dealing with noisy variables and/or outliers. The empirical part of the paper presents the results of simulation studies based on artificial and real data, without noisy variables and/or outliers and with noisy variable and outliers. The results are compared according to the values of two coefficients of determination 2 RL and 2 . RU The results show that usually the centre and range method obtains better results even when the data set contains noisy variables and outliers, but in some cases the centre method obtains better results than the centre and range method.
Źródło:: Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 2 (52); 35-42
1507-3866
Pojawia się w:: Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "noisy data" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język