An Improved Decision Model Based On Fuzzy Data Mining /
Mohamed Sayed Salem Basyoni ,
An Improved Decision Model Based On Fuzzy Data Mining / نموذج اتخاذ قرار محسن يعتمد على تنقيب البيانات الفازي Mohamed Sayed Salem Basyoni ; Hesham A. Hefny , Ahmed Mohamed Gad Allah - 2022.
Thesis (M.Sc.)-Cairo University- Faculty of Graduate Studies for Statistical Research -Department of Computer Science
Bibliography: p. 106-120.
تفترض نظرية المجموعة التقريبية الكلاسيكية أن جميع قيم الصفات منفصلة. في مجموعات البيانات الواقعية ، يمكن أن تكون قيم السمات رمزية وقيمة حقيقية. لذلك ، فإن نظرية المجموعة التقريبية التقليدية ستواجه صعوبة في التعامل مع هذه القيم. هناك حاجة لبعض الأساليب التي لديها القدرة على استخدام التقريبات المحددة وتقليل السمات لكل من مجموعة البيانات المنسوبة الواضحة والقيمة الحقيقية ، والاستفادة من درجة تشابه القيم. يمكن القيام بذلك عن طريق الجمع بين (دمج) مجموعات ضبابية ومجموعات تقريبية. يمكن أن يوفر المنطق الضبابي طريقة رائعة لتحويل البيانات الرقمية وذات القيمة الحقيقية إلى بيانات فئوية باستخدام القيم اللغوية للقيم الرقمية مثل: منخفض ، مرتفع ، متوسط ، ... إلخ وتحديد وظائف العضوية لهذه المصطلحات اللغوية. بالإضافة إلى أن المنطق الضبابي يسمح باستخدام التحوطات مثل: جدا ، تقريبا ، قليلا ... إلخ. تستخدم الخوارزميات الجينية كأداة للتعلم الآلي لتوليد (تطوير) نظام تصنيف قائم على القواعد. يمكن أن تنشئ الخوارزمية الجينية عشوائيًا عددًا محددًا مسبقًا من مجموعة ضبابية أو قواعد غامضة ، والتي يمكن تمثيل كل مجموعة ضبابية أو مجموعة قواعد غامضة كسلسلة ثنائية. وبالتالي فإن عدد العينات من الأفراد يتوافق مع مجموعة ضبابية واحدة أو مجموعة قواعد ضبابية. الهدف الرئيسي من هذا البحث هو بناء نموذج تصنيف هجين قوي يدمج مزايا نظرية المجموعة التقريبية ونظرية المجموعة الغامضة مع الخوارزميات الجينية. يهدف النموذج إلى توفير نموذج صنع قرار قابل للتفسير بدرجة عالية يحقق حل وسط بين عدد القواعد ومستوى الدقة. تم تطبيق النموذج المقترح على مجموعتي بيانات Iris و Wine والنتائج مقارنة بالنماذج الأخرى. أظهرت النتائج التجريبية أن النموذج المقترح أكد كفاءته في استخلاص عدد أقل من قواعد اتخاذ القرار ، بمتوسط معدل تخفيض يبلغ حوالي 36٪ مقارنة بالنماذج الأخرى ، بينما نسبة الدقة حوالى 4٪.
Computer Science
Model Based
004
An Improved Decision Model Based On Fuzzy Data Mining / نموذج اتخاذ قرار محسن يعتمد على تنقيب البيانات الفازي Mohamed Sayed Salem Basyoni ; Hesham A. Hefny , Ahmed Mohamed Gad Allah - 2022.
Thesis (M.Sc.)-Cairo University- Faculty of Graduate Studies for Statistical Research -Department of Computer Science
Bibliography: p. 106-120.
تفترض نظرية المجموعة التقريبية الكلاسيكية أن جميع قيم الصفات منفصلة. في مجموعات البيانات الواقعية ، يمكن أن تكون قيم السمات رمزية وقيمة حقيقية. لذلك ، فإن نظرية المجموعة التقريبية التقليدية ستواجه صعوبة في التعامل مع هذه القيم. هناك حاجة لبعض الأساليب التي لديها القدرة على استخدام التقريبات المحددة وتقليل السمات لكل من مجموعة البيانات المنسوبة الواضحة والقيمة الحقيقية ، والاستفادة من درجة تشابه القيم. يمكن القيام بذلك عن طريق الجمع بين (دمج) مجموعات ضبابية ومجموعات تقريبية. يمكن أن يوفر المنطق الضبابي طريقة رائعة لتحويل البيانات الرقمية وذات القيمة الحقيقية إلى بيانات فئوية باستخدام القيم اللغوية للقيم الرقمية مثل: منخفض ، مرتفع ، متوسط ، ... إلخ وتحديد وظائف العضوية لهذه المصطلحات اللغوية. بالإضافة إلى أن المنطق الضبابي يسمح باستخدام التحوطات مثل: جدا ، تقريبا ، قليلا ... إلخ. تستخدم الخوارزميات الجينية كأداة للتعلم الآلي لتوليد (تطوير) نظام تصنيف قائم على القواعد. يمكن أن تنشئ الخوارزمية الجينية عشوائيًا عددًا محددًا مسبقًا من مجموعة ضبابية أو قواعد غامضة ، والتي يمكن تمثيل كل مجموعة ضبابية أو مجموعة قواعد غامضة كسلسلة ثنائية. وبالتالي فإن عدد العينات من الأفراد يتوافق مع مجموعة ضبابية واحدة أو مجموعة قواعد ضبابية. الهدف الرئيسي من هذا البحث هو بناء نموذج تصنيف هجين قوي يدمج مزايا نظرية المجموعة التقريبية ونظرية المجموعة الغامضة مع الخوارزميات الجينية. يهدف النموذج إلى توفير نموذج صنع قرار قابل للتفسير بدرجة عالية يحقق حل وسط بين عدد القواعد ومستوى الدقة. تم تطبيق النموذج المقترح على مجموعتي بيانات Iris و Wine والنتائج مقارنة بالنماذج الأخرى. أظهرت النتائج التجريبية أن النموذج المقترح أكد كفاءته في استخلاص عدد أقل من قواعد اتخاذ القرار ، بمتوسط معدل تخفيض يبلغ حوالي 36٪ مقارنة بالنماذج الأخرى ، بينما نسبة الدقة حوالى 4٪.
Computer Science
Model Based
004