کشف داده های پرت با ورودی و خروجی معمولی از دیدگاه متغیر زبانی
محل انتشار: اولین همایش ملی ریاضی و آمار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 413
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MSCONFKHA01_044
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
وجود داده های پرت در میان مشاهدات منجر به نتایج غیر دقیق در مدل سازی می شود. کشف چنین داده هایی برای حذف یا کاهش اثر آن ها ، اثر معنی داری بر اصلاح مدل دارد. حذف یا کاهش اثر چنین داده هایی دو راه برای جلوگیری از اثر منفی آنها بر مدل سازی است. هنگامی که هر دو متغیر ورودی و خروجی غیر فازیهستند، هر دو رویکرد حذف یا کاهش اثر داده های پرت مورد بحث قرار گرفته است. ایده اصلی براساس متغیرهای زبانی و مفاهیم نظریهامکان همانند رگرسیون معمولی برای بحث در مورد داده های پرت در نظر گرفته شده است. یک مثال برای نشان دادن قابلیت روش پیشنهادی ارایه شده است.
کلیدواژه ها:
نویسندگان
علیرضا عربپور
دانشگاه شهید باهنر کرمان،
مهدیه مظفری
مجتمع آموزش عالی بم،