دانلود مقاله ISI انگلیسی شماره 114150
ترجمه فارسی عنوان مقاله

یک معیار اطلاعات یکپارچه برای روابط باینری عمومی

عنوان انگلیسی
A unified information measure for general binary relations
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
114150 2017 11 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 135, 1 November 2017, Pages 18-28

ترجمه کلمات کلیدی
رابطه باینری، مجموعه خشن، آنتروپی، عدم قطعیت، سیستم اطلاعات،
کلمات کلیدی انگلیسی
Binary relation; Rough set; Entropy; Uncertainty; Information system;
ترجمه چکیده
آنتروپی شانون و انواع آن برای اندازه گیری عدم قطعیت در انواع روابط باینری خاص استفاده شده است. با این حال، مطالعات اندکی درباره عدم قطعیت روابط باینری عمومی صورت گرفته است. در این مطالعه، یک فرم واحد یکسان برای معیارهای نامتقارن برای روابط باینری عمومی ارائه می کنیم. ما مفاهیم آنتروپی، انتروپی مشترک، آنتروپی شرطی، و اطلاعات متقابل را دوباره تعریف می کنیم. این اقدامات عدم اطمینان تعمیم مقادیر مربوط به روابط خاص است. ما رابطه بین این اقدامات و بررسی خواص مهم را مطالعه می کنیم. در نهایت، آزمایش های عددی برای شناسایی کاربردهای اندازه گیری های عدم قطعیت پیشنهاد شده انجام می شود. در مقایسه با اقدامات عدم قطعیت موجود، روش پیشنهادی نه تنها عدم قطعیت مجموعه داده های ناهمگن را مورد توجه قرار می دهد، بلکه عملکرد بهتر در کاهش ویژگی ها را نیز نشان می دهد. این مطالعه می تواند یک چارچوب اساسی برای نظریه های نااطمینی از مدل های خشن ویژه ارائه دهد.
پیش نمایش مقاله
پیش نمایش مقاله  یک معیار اطلاعات یکپارچه برای روابط باینری عمومی

چکیده انگلیسی

Shannon's entropy and its variants have been applied to measure uncertainty in a variety of special binary relations. However, few studies have been conducted on uncertainty of general binary relations. In this study, we present a unified form of uncertainty measures for general binary relations. We redefine the concepts of entropy, joint entropy, conditional entropy, and mutual information. These uncertainty measures are generalizations of corresponding measures of special relations. We study the relationship between these measures and examine important properties. Finally, numerical experiments are performed to identify applications of the proposed uncertainty measures. Comparing with existing uncertainty measures, the proposed method not only addresses the uncertainty of heterogeneous data sets, but also exhibit better performance in attribute reduction. This study can provide a fundamental framework for uncertainty theories of special rough set models.