Granular-rule extraction to simplify data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F15%3A50003822" target="_blank" >RIV/62690094:18450/15:50003822 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-15705-4_41" target="_blank" >http://dx.doi.org/10.1007/978-3-319-15705-4_41</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-15705-4_41" target="_blank" >10.1007/978-3-319-15705-4_41</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Granular-rule extraction to simplify data

Popis výsledku v původním jazyce

Granulation simplifies the data to better understand its complexity. It comforts this understanding by extracting the structure of data, essentially in big data or cloud computing scales. It can extract a simple granular-rules set from a complex data set. Granulation is associated with theory of fuzzy information granulation, which can be supported by fuzzy C-mean clustering. However, intersections of fuzzy clusters create redundant granular-rules. This paper proposes a granular-rules extraction methodto simplify a data set into a granular-rule set with unique granular-rules. It performs based on two stages to construct and prune the granular-rules. We use four data sets to reveal the results, i.e., wine, servo, iris, and concrete compressive strength. The results reveal the ability of proposed method to simplify data sets by 58% to 91%.

Název v anglickém jazyce

Granular-rule extraction to simplify data

Popis výsledku anglicky

Granulation simplifies the data to better understand its complexity. It comforts this understanding by extracting the structure of data, essentially in big data or cloud computing scales. It can extract a simple granular-rules set from a complex data set. Granulation is associated with theory of fuzzy information granulation, which can be supported by fuzzy C-mean clustering. However, intersections of fuzzy clusters create redundant granular-rules. This paper proposes a granular-rules extraction methodto simplify a data set into a granular-rule set with unique granular-rules. It performs based on two stages to construct and prune the granular-rules. We use four data sets to reveal the results, i.e., wine, servo, iris, and concrete compressive strength. The results reveal the ability of proposed method to simplify data sets by 58% to 91%.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Asian conference onIntelligent information and database systems (ACIIDS 2015)

ISBN

978-3-319-15704-7

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

9

Strana od-do

421-429

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Bali, Indonésie

Datum konání akce

23. 3. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—