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:
Hand Gesture Controller for Robotic-Wheelchair Using Microelectromechanical Sensor ADXL 345 Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Signal Distortion Identification Using Rough Flow Graphs

verfasst von : B. Jankar, B. Rajkumarsingh

Erschienen in: Smart and Sustainable Engineering for Next Generation Applications

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Rough Set Theory has been widely explored in the past decades and many hybrids have been developed as well. In this paper, rough set theory and temporal flow graphs have been used to detect distortions in sinusoidal signals. An episode information system is created in which data are stored in the form of integers, more specifically, 1, −1 and 0. The main objective of this work is to detect different kinds of disturbances that can occur in a specific range of sinusoidal signals. The design of the algorithm for the software was programmed in Java language. Several types of distortions have been tested and the results obtained from the temporal flow graphs show that the different distortions could be identified successfully.

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 Optimizing the Performance of Triple-Binary Turbo Codes with Hierarchical QAM and K-NN Based Classification
Nächstes Kapitel Noise Mitigation in a Power Line Communication Channel
Literatur
1.
Pawlak, Z.: Rough sets. Int. J. Comput. Inform. Sci. 11(5), 341–356 (1982)CrossRef
2.
Butz, C.J., Yan, W., Yang, B.: The computational complexity of inference using rough set flow graphs. In: International Workshop on Rough Sets, Fuzzy Sets, Data Mining, and Granular-Soft Computing, pp. 335–344. Springer, Heidelberg (2005)
3.
Pawlak, Z.: Rough sets and flow graphs. In: International Workshop on Rough Sets, Fuzzy Sets, Data Mining, and Granular-Soft Computing, pp. 1–11. Springer, Heidelberg (2005)
4.
Rissino, S., Lambert-Torres, G.: Rough set theory—fundamental concepts, principals, data extraction, and applications. In: Data Mining and Knowledge Discovery in Real Life Applications. InTech (2009)
5.
6.
Komorowski, J., Pawlak, Z., Polowski, L., Skowron, A.: Rough sets perspective on data and knowledge. In: Klosgrn, W., Zylkon, J. (eds.) The Handbook of Data Mining and Knowledge Discovery, pp. 134–149 (1999)
7.
Bouchon-Meunier, B., Foulloy, L., Yager, R.R.: Rough sets, Bayes’ theorem and flow graphs. In: Intelligent Systems for Information Processing: From Representation to Applications, p. 243 (2003)
8.
Lambert-Torres, G., Rossi, R., Jardini, J.A., Da Silva, A.A., Quintana, V.H.: Power system security analysis based on rough classification. In: Pal, S.K., Skowron, A. (eds.) Rough-Fuzzy Hybridization: New Trend in Decision Making, pp. 263–300. Springer-Verlag Co. (1999)
9.
Xie, G., Wang, F., Xie, K.: RST-based system design of hybrid intelligent control. In: 2004 IEEE International Conference on Systems, Man and Cybernetics, vol. 6, pp. 5800–5805 (2004)
10.
Lingras, P., Jensen, R.: Survey of rough and fuzzy hybridization. In: IEEE International Fuzzy Systems Conference, FUZZ-IEEE 2007, pp. 1–6 (2007)
Metadaten
Titel
Signal Distortion Identification Using Rough Flow Graphs
verfasst von
B. Jankar
B. Rajkumarsingh
Copyright-Jahr
2019
Buch
Smart and Sustainable Engineering for Next Generation Applications

Print ISBN: 978-3-030-18239-7

Electronic ISBN: 978-3-030-18240-3

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-18240-3_16

Neuer Inhalt

    Bildnachweise