Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Mining Incomplete Data Using Global and Saturated Probabilistic Approximations Based on Characteristic Sets and Maximal Consistent Blocks Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Adapting Fuzzy Rough Sets for Classification with Missing Values

verfasst von : Oliver Urs Lenz, Daniel Peralta, Chris Cornelis

Erschienen in: Rough Sets

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We propose an adaptation of fuzzy rough sets to model concepts in datasets with missing values. Upper and lower approximations are replaced by interval-valued fuzzy sets that express the uncertainty caused by incomplete information. Each of these interval-valued fuzzy sets is delineated by a pair of optimistic and pessimistic approximations. We show how this can be used to adapt Fuzzy Rough Nearest Neighbour (FRNN) classification to datasets with missing values. In a small experiment with real-world data, our proposal outperforms simple imputation with the mean and mode on datasets with a low missing value rate.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Right Adjoint Algebras Versus Operator Left Residuated Posets
Nächstes Kapitel Spark Accelerated Implementation of Parallel Attribute Reduction from Incomplete Data
Literatur
1.
Amiri, M., Jensen, R.: Missing data imputation using fuzzy-rough methods. Neurocomputing 205, 152–164 (2016)CrossRef
2.
3.
Bellman, R., Kalaba, R., Zadeh, L.: Abstraction and pattern classification. Technical report, RM-4307-PR, The Rand Corporation, Santa Monica, California (1964)
4.
5.
Couso, I., Dubois, D.: Rough sets, coverings and incomplete information. Fund. Inform. 108(3–4), 223–247 (2011)MathSciNetMATH
6.
7.
Dubois, D., Prade, H.: Twofold fuzzy sets and rough sets – some issues in knowledge representation. Fuzzy Sets Syst. 23(1), 3–18 (1987)MathSciNetCrossRef
8.
Dubois, D., Prade, H.: Rough fuzzy sets and fuzzy rough sets. Int. J. Gen. Syst. 17(2–3), 191–209 (1990)CrossRef
9.
Dubois, D., Prade, H.: Interval-valued fuzzy sets, possibility theory and imprecise probability. In: EUSFLAT-LFA 2005: Proceedings of the Joint 4th Conference of the European Society for Fuzzy Logic and Technology and the 11th Rencontres Francophones sur la Logique Floue et ses Applications, pp. 314–319 (2005)
10.
11.
12.
Hong, T.P., Tseng, L.H., Chien, B.C.: Mining from incomplete quantitative data by fuzzy rough sets. Expert Syst. Appl. 37(3), 2644–2653 (2010)CrossRef
13.
14.
Jensen, R., Shen, Q.: Interval-valued fuzzy-rough feature selection in datasets with missing values. In: FUZZ-IEEE 2009: Proceedings of the 18th International Conference on Fuzzy Systems, pp. 610–615. IEEE (2009)
15.
King, D.E.: DLIB-ML: a machine learning toolkit. J. Mach. Learn. Res. 10(60), 1755–1758 (2009)
16.
17.
18.
Lenz, O.U., Peralta, D., Cornelis, C.: Scalable approximate FRNN-OWA classification. IEEE Trans. Fuzzy Syst. 28(5), 929–938 (2020)CrossRef
19.
20.
Pawlak, Z.: Rough sets. Rep. 431, ICS PAS (1981)
21.
22.
Thangavel, K., Pethalakshmi, A.: Dimensionality reduction based on rough set theory: a review. Appl. Soft Comput. 9(1), 1–12 (2009)CrossRef
23.
Metadaten
Titel
Adapting Fuzzy Rough Sets for Classification with Missing Values
verfasst von
Oliver Urs Lenz
Daniel Peralta
Chris Cornelis
Copyright-Jahr
2021
Buch
Rough Sets

Print ISBN: 978-3-030-87333-2

Electronic ISBN: 978-3-030-87334-9

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-87334-9_16

Premium Partner

    Bildnachweise