22.12.2023; Одеса, Україна: I Міжнародна наукова конференція «Інноваційна наука: пошук відповідей на виклики сучасності»
Роботи, що індексуються в Google Scholar

ДОСЛІДЖЕННЯ ВПЛИВУ ШУМУ В ТЕОРІЇ ПРИБЛИЗНИХ МНОЖИН

  • Дмитро Чернишов ,
  • Дмитро Ситніков
PDF

Опубліковано 28.12.2023

Як цитувати

Чернишов , Д., & Ситніков, Д. (2023). ДОСЛІДЖЕННЯ ВПЛИВУ ШУМУ В ТЕОРІЇ ПРИБЛИЗНИХ МНОЖИН. Матеріали конференцій МЦНД, (22.12.2023; Одеса, Україна), 302–304. вилучено із https://archive.mcnd.org.ua/index.php/conference-proceeding/article/view/953

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2023 Дмитро Чернишов ; Дмитро Ситніков (Науковий керівник)

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

У складному світі аналізу даних класична теорія приблизних множин (rough set theory) займає провідну позицію, особливо цінується за свою ефективність у відборі ознак. Однак, дані, з якими ми стикаємося у реальному світі, часто містять шум - змішання помилкових та неважливих елементів, що можуть спотворити аналіз. Це дослідження занурюється у цю проблему, фокусуючись на тому, як шум впливає на функціональність та ефективність Класичної теорії приблизних множин. Наша мета - дослідити нюанси того, як шум впливає на розрізнення даних та надійність методів відбору ознак, що базуються на RST.

PDF

Посилання

  1. Pawlak, Z. (1982). "Rough sets." International Journal of Computer & Information Sciences, 11(5), 341-356.
  2. Skowron, A., & Rauszer, C. (1992). "The discernibility matrices and functions in information systems." In Intelligent Decision Support. Springer, Dordrecht.
  3. Swiniarski, R. W., & Skowron, A. (2003). "Rough set methods in feature selection and recognition." Pattern Recognition Letters, 24(6), 833-849.
  4. Bania, Rubul Kumar. (2015). "Comparative Review on Classical Rough Set Theory based Feature Selection Methods." International Journal of Computer Applications, 114, 31-35.