Rough set theory is initiated to mo

Rough set theory is initiated to model relations in a given data set or knowledge base [25]. It is a formally defined methodology, which can be applied to reduce the dimensionality of a given data set [29], proceeding to train an inference system. To express mathematically how rough set theory is applied in knowledge reduction, decision logic language is used to model the Knowledge Representation System (KRS). Such a system is represented in a pair S = (U, A), where U is a nonempty and finite set named the universe of discourse and A is a nonempty and finite set of primitive attributes. Decision tables can be defined in terms of KRS. If we have S = (U, A) and C, D ⊂ A, which denote the condition and decision attributes, respectively, then S with distinguished (C, D) pairs is essentially a decision table, i.e. T = {U, C, D} or T is a CD-based decision table. Moreover, each element in U is a CD-based decision rule and it represents a cluster of data. Subsequently, U is the union of all clusters found in the data set. A simple example of decision table is given in Table 1 to illustrate the concept.

ผลลัพธ์ (ไทย) 1:

ทฤษฎีเซตคร่าว ๆ จะเริ่มต้นกับความสัมพันธ์ของแบบจำลองในชุดข้อมูลกำหนดหรือรู้ [25] เป็นตัวอย่างเป็นกิจจะลักษณะ defined วิธี ซึ่งสามารถใช้เพื่อลด dimensionality ของการกำหนดชุดข้อมูล [29], ดำเนินการต่อเพื่อฝึกระบบข้อความ แสดง mathematically วิธีหยาบใช้ทฤษฎีเซตความรู้ลด ภาษาตรรกะตัดสินใจจะใช้แบบรู้แสดงระบบ (เคอาร์เอส) ระบบดังกล่าวจะถูกแสดงในคู่ S = (U, A), ที่เป็นชุด nonempty และ finite ชื่อวาทกรรมของจักรวาล และเป็นชุด nonempty และ finite แอตทริบิวต์ดั้งเดิม ตารางการตัดสินใจสามารถ defined ในเคอาร์เอส ถ้าเรามี S = (U, A) และ C, D ⊂ A ซึ่งแสดงคุณลักษณะเงื่อนไขและการตัดสินใจ ตามลำดับ แล้ว S กับแตกต่าง (C, D) คู่เป็นหลักเป็นตารางการตัดสินใจ เช่น T = {U, C, D } หรือ T เป็นตารางการตัดสินใจใช้ซีดี นอกจากนี้ แต่ละองค์ประกอบใน U คือ กฎสำหรับการตัดสินใจใช้ซีดี และแสดงคลัสเตอร์ข้อมูล ในเวลาต่อมา U เป็นสหภาพของคลัสเตอร์ทั้งหมดที่พบในชุดข้อมูล ตัวอย่างเรื่องของตารางการตัดสินใจถูกกำหนดในตารางที่ 1 เพื่อแสดงแนวคิด

ผลลัพธ์ (ไทย) 2:

หยาบทฤษฎีกำหนดจะเริ่มการจำลองความสัมพันธ์ในข้อมูลที่ได้รับการตั้งค่าหรือฐานความรู้ [25] มันเป็นวิธีการอย่างเป็นทางการเน็ดเดอ fi, ซึ่งสามารถนำมาใช้เพื่อลดมิติของข้อมูลที่กำหนดให้ตั้งค่า [29] การดำเนินการฝึกอบรมระบบการอนุมาน เพื่อแสดงวิธีการทางคณิตศาสตร์หยาบตั้งทฤษฎีถูกนำไปใช้ในการลดความรู้การตัดสินใจตรรกะภาษาที่ใช้ในการจำลองระบบการเป็นตัวแทนความรู้ (KRS) ระบบดังกล่าวเป็นตัวแทนในคู่ S = (U, A) ที่ U เป็นว่างและสายชุด Nite ชื่อจักรวาลของวาทกรรมและเป็นว่างและสายชุด Nite ของคุณลักษณะดั้งเดิม ตารางการตัดสินใจสามารถนิยามในแง่ของ KRS ถ้าเรามี S = (U, A) และ C, D ⊂ A, ซึ่งหมายถึงสภาพและการตัดสินใจคุณลักษณะตามลำดับแล้ว S กับความโดดเด่น (C, D) คู่เป็นหลักตารางการตัดสินใจคือ T = {U, C , D} หรือ T มีตารางการตัดสินใจซีดีตาม นอกจากนี้องค์ประกอบในแต่ละ U กฎการตัดสินใจ CD-based และมันหมายถึงกลุ่มของข้อมูลที่ ต่อมายูเป็นสหภาพของกลุ่มทั้งหมดที่พบในชุดข้อมูล ตัวอย่างง่ายๆของตารางการตัดสินใจที่จะได้รับในตารางที่ 1 แสดงให้เห็นถึงแนวคิด

ผลลัพธ์ (ไทย) 3:

ทฤษฎีเซตริเริ่มหยาบแบบความสัมพันธ์ที่ระบุในชุดข้อมูลหรือความรู้พื้นฐาน [ 25 ] มันเป็นอย่างเป็นทางการ เดอ เน็ด วิธีการถ่ายทอด ซึ่งสามารถนำไปใช้ลด dimensionality ของได้รับข้อมูลชุด [ 29 ] , การฝึกการอนุมานเชิงระบบ แสดงวิธีการทางคณิตศาสตร์ที่ใช้ในทฤษฎีรัฟเซตลดความรู้ภาษา ตรรกะการตัดสินใจใช้แบบจำลองระบบแทนความรู้ ( krs ) ระบบดังกล่าวจะถูกแสดงในคู่ S = ( u , A ) ที่ U เป็นเซต และจึง ไนท์ชุดชื่อจักรวาลของวาทกรรม และเป็นเซตชุดคุณลักษณะและไนท์จึงเป็นใหญ่ ตารางการตัดสินใจสามารถ de จึงเน็ดในแง่ของ krs . ถ้าเราได้ S = ( u ) และ C , D ⊂ ,ซึ่งแสดงเงื่อนไขและคุณสมบัติ การตัดสินใจตามลำดับ แล้วของที่มีความโดดเด่น ( C , D ) คู่เป็นหลักตารางการตัดสินใจ ( t = { U , C , D } หรือเป็นตารางการตัดสินใจตามแผ่นซีดี นอกจากนี้ แต่ละองค์ประกอบใน U เป็นซีดีกฎการตัดสินใจตามและมันหมายถึงกลุ่มของข้อมูล ต่อมา , คุณเป็นสหภาพของทุกกลุ่มที่พบในชุดข้อมูลตัวอย่างง่าย ๆของตารางการตัดสินใจให้ตารางที่ 1 แสดงให้เห็นถึงแนวคิด