کاهش ویژگی سیستم های اطلاعاتی ناقص با تئوری مجموعه راف فازی با استفاده از الگوریتم چرخه آب

در سال های اخیر تئوری مجموعه راف به یکی از راه حل های قدرتمند در حل مسئله هوش مصنوعی و داده کاوی تبدیل شده است. یک سیستم اطلاعاتی ناقص به جدول ها ی داده ای اطلاق می شود که برخی درایه های صفات آن مقداری ندارند. انتخاب ویژگی بر اساس مجموعه های راف فازی یک رویکرد موثر برای انتخاب بهترین زیر مجموعه ای از ویژگی ها است. تئوری مجموعه فازی و نظریه مجموعه های راف دو نظریه متمایز اما مکمل است که با عدم اطمینان در داده ها مواجه می شوند. ویژگی های برجسته هر دو نظریه در محدوده تئوری تنظیم راف فازی قرار گرفته است. این تئوری ترکیبی به عنوان یک ابزار بالقوه برای استخراج داده ها، مخصوصا برای انتخاب ویژگی ها مفید است. با این حال، مطالعات نسبتا کمی در مورد داده های ناقص با فواصل زمانی وجود دارد. هدف از این مقاله ارائه یک رویکرد مجموعه ای فازی بر اساس غلبه بر سیستم های اطلاعاتی با ارزش ناقص است.از آنجا که کاهش ویژگی یک مسئله NP-hard به شمار می آید، الگوریتم تقریبی سریع و موثر مورد نیاز است.. در این مقاله، یک رویکرد بهینه سازی جدید، که به عنوان الگوریتم چرخه آب شناخته می شود برای حل این مسیله مورد استفاده قرار گرفته است . روش ارایه شده بر روی مجموعه داده های شناخته شده UCI آزمایش و تست گردید. نتایج آزمایشات، نشان می دهد که راف فازی و الگوریتم پیشنهاد شده نتایج مناسبی ارایه داد که درخور تامل است.

کلیدواژه ها:

الگوریتم چرخه آب ، تئوری مجموعه راف ، راف فازی ، سیستم اطلاعاتی ناقص ، کاهش ویژگی