فهرست مقالات fuzzy partition

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - Scalable Fuzzy Decision Tree Induction Using Fast Data Partitioning and Incremental Approach for Large Dataset
  Somayeh Lotfi Mohammad Ghasemzadeh Mehran Mohsenzadeh Mitra Mirzarezaee
  The decision tree is one of the popular methods for learning and reasoning through recursive partitioning of data space. To choose the best attribute in the case on numerical features, partitioning criteria should be calculated for individual values or the value range o چکیده کامل

  The decision tree is one of the popular methods for learning and reasoning through recursive partitioning of data space. To choose the best attribute in the case on numerical features, partitioning criteria should be calculated for individual values or the value range of each attribute should be divided into two or more intervals using a set of cut points. In partitioning range of attribute, the fuzzy partitioning can be used to reduce the noise sensitivity of data and to increase the stability of decision trees. Since the tree-building algorithms need to keep in main memory the whole training dataset, they have memory restrictions. In this paper, we present an algorithm that builds the fuzzy decision tree on the large dataset. In order to avoid storing the entire training dataset in main memory and overcome the memory limitation, the algorithm builds DTs in an incremental way. In the discretization stage, a fuzzy partition was generated on each continuous attribute based on fuzzy entropy. Then, in order to select the best feature for branches, two criteria, including fuzzy information gain and occurrence matrix are used. Besides, real datasets are used to evaluate the behavior of the algorithm in terms of classification accuracy, decision tree complexity, and execution time as well. The results show that proposed algorithm without a need to store the entire dataset in memory and reduce the complexity of the tree is able to overcome the memory limitation and making balance between accuracy and complexity . پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - آنتروپی تیسالیس و آنتروپی تیسالیس شرطی افرازهای فازی
  محمدحسین زارع‌نژاد ابوالفضل ابراهیم‌زاده
  هدف این پژوهش این است که مفاهیم آنتروپی تیسالیس و آنتروپی تیسالیس شرطی افرازهای فازی را تعریف کرده و نتایجی در مورد این نوع آنتروپی بدست ‌آوریم. نشان می‌دهیم آنتروپی تیسالیس افرازهای فازی دارای ویژگی‌های زیرجمعی و تقعر می‌باشد. این اندازه اطلاعات را تحت روابطه‌ تظریف و چکیده کامل

  هدف این پژوهش این است که مفاهیم آنتروپی تیسالیس و آنتروپی تیسالیس شرطی افرازهای فازی را تعریف کرده و نتایجی در مورد این نوع آنتروپی بدست ‌آوریم. نشان می‌دهیم آنتروپی تیسالیس افرازهای فازی دارای ویژگی‌های زیرجمعی و تقعر می‌باشد. این اندازه اطلاعات را تحت روابطه‌ تظریف و زیرمجموعه به مد صفر مورد مطالعه قرار می‌دهیم. قوانین زنجیره‌ای را برای این اندازه اطلاعات بررسی کرده و خواصی در مورد آنتروپی افرازهای فازی مستقل اثبات می‌نماییم. نتایجی درباره‌ی رابطه‌ی بین آنتروپی تیسالیس و آنتروپی تیسالیس شرطی افرازهای فازی بدست آورده و به کمک آنتروپی تیسالیس شرطی افرازهای فازی، نشان می‌دهیم که ویژگی زیرجمعی برای آنتروپی تیسالیس افرازهای فازی در حالتی که پارامتر این آنتروپی از یک کوچکتر است، برقرار نمی‌باشد. به طور کلی، آنتروپی تیسالیس افرازهای فازی در حالتی که پارامتر آنتروپی تیسالیس از یک بزرگتر است دارای خواصی شبیه به آنتروپی شانون افرازهای فازی می‌باشد و بنابراین می‌تواند علاوه بر آنتروپی شانون، برای اندازه‌گیری مقدار اطلاعات مستخرج از یک آزمایش فازی مورد استفاده قرار گیرد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - A Fuzzy Rule-Based Engine to Predict Noise Annoyance
  Ramin Zare Seyed Majid Alavi
  Noise annoyance can result from interference with daily activities, feelings, thoughts, sleep, or rest, and may be accompanied by negative emotional responses, such as irritability, distress, exhaustion, a wish to escape the noise, and other stress-related symptoms. Hen چکیده کامل

  Noise annoyance can result from interference with daily activities, feelings, thoughts, sleep, or rest, and may be accompanied by negative emotional responses, such as irritability, distress, exhaustion, a wish to escape the noise, and other stress-related symptoms. Hence, the main aim of the current study is to provide an expert system using the fuzzy approach to determine the effects of noise environment on annoyance. Speech annoyance is considered to be a function of noise levels, exposure duration, the noise level in habitat, and age. It is implemented on fuzzy logic employing the Mamdani techniques. The results are found to be annoyance reactions in old are stronger than in young relative to the noise exposure. Annoyance reactions can be somewhat stronger due to the combined effects of the noise level in habitat, noise level, and age. The study showed that the noise level should not exceed 75 dB(A) for ‘young’ and ‘middle-aged’ and 64 dB(A) for ‘old’ persons. پرونده مقاله