Rough Set–Based Classification Systems

· Studies in Computational Intelligence წიგნი 802 · Springer
ელწიგნი
188
გვერდი
რეიტინგები და მიმოხილვები დაუდასტურებელია  შეიტყვეთ მეტი

ამ ელწიგნის შესახებ

This book demonstrates an original concept for implementing the rough set theory in the construction of decision-making systems. It addresses three types of decisions, including those in which the information or input data is insufficient. Though decision-making and classification in cases with missing or inaccurate data is a common task, classical decision-making systems are not naturally adapted to it. One solution is to apply the rough set theory proposed by Prof. Pawlak.
The proposed classifiers are applied and tested in two configurations: The first is an iterative mode in which a single classification system requests completion of the input data until an unequivocal decision (classification) is obtained. It allows us to start classification processes using very limited input data and supplementing it only as needed, which limits the cost of obtaining data. The second configuration is an ensemble mode in which several rough set-based classification systems achieve the unequivocal decision collectively, even though the systems cannot separately deliver such results.

შეაფასეთ ეს ელწიგნი

გვითხარით თქვენი აზრი.

ინფორმაცია წაკითხვასთან დაკავშირებით

სმარტფონები და ტაბლეტები
დააინსტალირეთ Google Play Books აპი Android და iPad/iPhone მოწყობილობებისთვის. ის ავტომატურად განახორციელებს სინქრონიზაციას თქვენს ანგარიშთან და საშუალებას მოგცემთ, წაიკითხოთ სასურველი კონტენტი ნებისმიერ ადგილას, როგორც ონლაინ, ისე ხაზგარეშე რეჟიმში.
ლეპტოპები და კომპიუტერები
Google Play-ში შეძენილი აუდიოწიგნების მოსმენა თქვენი კომპიუტერის ვებ-ბრაუზერის გამოყენებით შეგიძლიათ.
ელწამკითხველები და სხვა მოწყობილობები
ელექტრონული მელნის მოწყობილობებზე წასაკითხად, როგორიცაა Kobo eReaders, თქვენ უნდა ჩამოტვირთოთ ფაილი და გადაიტანოთ იგი თქვენს მოწყობილობაში. დახმარების ცენტრის დეტალური ინსტრუქციების მიხედვით გადაიტანეთ ფაილები მხარდაჭერილ ელწამკითხველებზე.