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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Decision-Oriented Rough Set Methods Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Dynamic Maintenance of Rough Fuzzy Approximations with the Variation of Objects and Attributes

verfasst von : Yanyong Huang, Tianrui Li, Shi-jinn Horng

Erschienen in: Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In many fields including medical research, e-business and road transportation, data may vary over time, i.e., new objects and new attributes are added. In this paper, we present a method for dynamically updating approximations based on rough fuzzy sets under the variation of objects and attributes simultaneously in fuzzy decision systems. Firstly, a matrix-based approach is proposed to construct the rough fuzzy approximations on the basis of relation matrix. Then the method for incrementally computing approximations is presented, which involves the partition of the relation matrix and partly changes its element values based the prior matrices’ information. Finally, an illustrative example is employed to validate the effectiveness of the proposed method.

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 Controllability in Directed Complex Networks: Granular Computing Perspective
Nächstes Kapitel Semi-Supervised Fuzzy-Rough Feature Selection
Literatur
1.
Błaszczyński, J., Słowiński, R.: Incremental induction of decision rules from dominance-based rough approximations. Electron. Notes Theor. Comput. Sci. 82(4), 40–51 (2003)CrossRefMATH
2.
Chen, H., Li, T., Luo, C., Horng, S., Wang, G.: A decision-theoretic rough set approach for dynamic data mining. IEEE Trans. Fuzzy Syst. PP(99), 1–1 (2015)
3.
Chen, H., Li, T., Qiao, S., Ruan, D.: A rough set based dynamic maintenance approach for approximations in coarsening and refining attribute values. Int. J. Intell. Syst. 25(10), 1005–1026 (2010)CrossRefMATH
4.
Cheng, M., Fang, B., Tang, Y.Y., Zhang, T., Wen, J.: Incremental embedding and learning in the local discriminant subspace with application to face recognition. IEEE Trans. Syst. Man Cybern. Part C Appl. Rev. 40(5), 580–591 (2010)CrossRef
5.
Cheng, Y.: The incremental method for fast computing the rough fuzzy approximations. Data Knowl. Eng. 70(1), 84–100 (2011)CrossRef
6.
Dubois, D., Prade, H.: Rough fuzzy sets and fuzzy rough sets. Int. J. Gener. Syst. 17(2–3), 191–209 (1990)CrossRefMATH
7.
Dy, J.G., Brodley, C.E.: Feature selection for unsupervised learning. J. Mach. Learn. Res. 5, 845–889 (2004)MathSciNetMATH
8.
Karasuyama, M., Takeuchi, I.: Multiple incremental decremental learning of support vector machines. In: Bengio, Y., Schuurmans, D., Lafferty, J.D., Williams, C.K.I., Culotta, A. (eds.) Advances in Neural Information Processing Systems, vol. 22, pp. 907–915. MIT Press, Cambridge (2009)
9.
Li, T., Ruan, D., Geert, W., Song, J., Xu, Y.: A rough sets based characteristic relation approach for dynamic attribute generalization in data mining. Knowl. Based Syst. 20(5), 485–494 (2007)CrossRef
10.
11.
Luo, C., Li, T., Chen, H.: Dynamic maintenance of approximations in set-valued ordered decision systems under the attribute generalization. Inf. Sci. 257, 210–228 (2014)MathSciNetCrossRefMATH
12.
Luo, C., Li, T., Chen, H., Liu, D.: Incremental approaches for updating approximations in set-valued ordered information systems. Knowl. Based Syst. 50, 218–233 (2013)CrossRef
13.
Luo, C., Li, T., Chen, H., Lu, L.: Fast algorithms for computing rough approximations in set-valued decision systems while updating criteria values. Inf. Sci. 299, 221–242 (2015)MathSciNetCrossRefMATH
14.
15.
Maji, P., Pal, S., Skowron, A.: Preface: pattern recognition and mining. Natural Computing, pp. 1–3 (2015)
16.
17.
Pawlak, Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers, Norwell (1992)MATH
18.
Polkowski, L., Tsumoto, S., Lin, T.Y. (eds.): Rough Set Methods and Applications: New Developments in Knowledge Discovery in Information Systems. Physica-Verlag GmbH, Heidelberg (2000)
19.
Xu, W., Li, W.: Granular computing approach to two-way learning based on formal concept analysis in fuzzy datasets. IEEE Trans. Cybern. PP(99), 1–1 (2014)
20.
21.
Zeng, A., Li, T., Zhang, J., Chen, H.: Incremental maintenance of rough fuzzy set approximations under the variation of object set. Fundam. Inform. 132(3), 401–422 (2014)MathSciNetCrossRefMATH
22.
Zhang, J., Li, T., Ruan, D., Liu, D.: Rough sets based matrix approaches with dynamic attribute variation in set-valued information systems. Int. J. Approx. Reason. 53(4), 620–635 (2012)MathSciNetCrossRefMATH
Metadaten
Titel
Dynamic Maintenance of Rough Fuzzy Approximations with the Variation of Objects and Attributes
verfasst von
Yanyong Huang
Tianrui Li
Shi-jinn Horng
Copyright-Jahr
2015
Buch
Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing

Print ISBN: 978-3-319-25782-2

Electronic ISBN: 978-3-319-25783-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-25783-9_16