Avec la croissance de l'?re num?rique, les donn?es sont largement disponibles, de sorte que la recherche de connaissances ? partir de ces donn?es est effectu?e par des algorithmes d'exploration de donn?es. Parmi les diff?rents algorithmes d'exploration de donn?es, la d?tection des valeurs aberrantes est cruciale, car leur pr?sence d?grade l'efficacit? du syst?me. La majorit? des recherches se sont limit?es ? la d?tection des valeurs aberrantes dans un seul univers avec une seule granulation pour les donn?es num?riques ou cat?gorielles. Les algorithmes existants de d?tection des valeurs aberrantes par apprentissage automatique fonctionnent bien pour les donn?es quantitatives, mais ils ne sont pas directement appliqu?s aux donn?es qualitatives, vagues et impr?cises, ce qui produit des r?sultats inefficaces. Il existe ?galement des informations ambigu?s, incertaines, incompl?tes et ind?termin?es qui persistent dans le monde r?el. Ces probl?mes sont trait?s dans ce travail de recherche ? l'aide de la th?orie des ensembles rugueux, des ensembles flous intuitionnistes et des ensembles neutrosophiques. La m?thodologie propos?e, la m?thode de d?tection des valeurs aberrantes ? densit? pond?r?e bas?e sur l'entropie grossi?re, a ?t? con?ue pour d?tecter les valeurs aberrantes dans divers syst?mes d'information.
| Author: T. Sangeetha |
| Publisher: Editions Notre Savoir |
| Publication Date: Sep 11, 2024 |
| Number of Pages: 108 pages |
| Binding: Paperback or Softback |
| ISBN-10: 6208074274 |
| ISBN-13: 9786208074272 |