کشف داده های پرت با ورودی و خروجی معمولی از دیدگاه متغیر زبانی

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:

اعداد فازی ، رگرسیون فازی ، داده های پرت ، متغیرهای زبانی