Com o crescimento da era digital, os dados est?o amplamente dispon?veis, pelo que a recupera??o de conhecimentos a partir desses dados ? efectuada atrav?s de algoritmos de extra??o de dados. Entre os v?rios algoritmos de extra??o de dados, a dete??o de valores an?malos ? crucial, uma vez que a sua ocorr?ncia degrada a efici?ncia do sistema. A maior parte da investiga??o limitou-se ? dete??o de valores at?picos num ?nico universo com uma ?nica granula??o para dados num?ricos ou categ?ricos. Os algoritmos de dete??o de valores at?picos de aprendizagem autom?tica existentes funcionam bem para dados quantitativos, mas n?o s?o diretamente aplicados a dados qualitativos, vagos e imprecisos, o que produz resultados ineficazes. H? tamb?m informa??es amb?guas, incertas, incompletas e indeterminadas que persistem no mundo real. Estes problemas s?o tratados neste trabalho de investiga??o utilizando a teoria dos conjuntos aproximados, os conjuntos difusos intuicionistas e os conjuntos neutros?ficos. A metodologia proposta, baseada na entropia grosseira e no m?todo de dete??o de valores aberrantes de densidade ponderada, foi concebida para detetar valores aberrantes em v?rios sistemas de informa??o. O valor da densidade ponderada para cada objeto e atributo foi determinado para detetar anomalias. Assim, um objeto verdadeiro nunca ser? tratado como um outlier.
| Author: T. Sangeetha |
| Publisher: Edicoes Nosso Conhecimento |
| Publication Date: Sep 11, 2024 |
| Number of Pages: 104 pages |
| Binding: Paperback or Softback |
| ISBN-10: 6208074290 |
| ISBN-13: 9786208074296 |
