Theory and Application on Rough Set, Fuzzy Logic, and Granular Computing
Notice bibliographique
Résumé
Recently, the rough set and fuzzy set theory have generated a great deal of interest among more and more researchers. Granular computing (GrC) is an emerging computing paradigm of information processing and an approach for knowledge representation and data mining. The purpose of granular computing is to seek for an approximation scheme which can effectively solve a complex problem at a certain level of granulation. This issue on the theory and application about rough set, fuzzy logic and granular computing, most of which are very meticulously performed reviews of the available current literature. Four models of fuzzy or rough sets that are leading to a greater understanding of rough sets and fuzzy sets are discussed. These include multigranulation T-fuzzy rough sets, the so called approximation set of the interval set, the generalized interval-valued fuzzy rough set, and the δ-cut decision-theoretic rough set. Based on a kernelized information entropy model, an application on the fault detection and diagnosis for gas turbines is presented. The methods for reductions and their relevant algorithms are addressed in two manuscripts. Y. Zhang studies the distribution reduction in the inconsistent ordered information systems and further provides its algorithm. H. Ju et al. firstly give the model of δ-cut decision-theoretic rough set and then investigate the attribute reductions in this new decision-theoretic rough set model. From the view of GrC, the optimistic multigranulation T-fuzzy rough set model was established based on multiple granulations under T-fuzzy approximation space by W. Xu. The manuscript of W. Li et al. improves the optimistic multigranulation T-fuzzy rough set deeply by investigating some further properties. And the relationships between multigranulation and classical T-fuzzy rough sets have been studied carefully. The interval set is a special fuzzy set, which describes uncertainty of an uncertain concept with its two crisp boundaries. Q. Zhang et al. review the similarity degrees between an interval-valued set and its two approximations and propose disadvantages of using upper approximation set or lower approximation as approximation sets of the uncertain set and present a new method for looking for a better approximation set of the interval set. T. Xue et al. also construct a novel model of the generalized fuzzy rough set under interval-valued fuzzy relation. The aim of this special issue is to encourage researchers in related areas to discuss and communicate the latest advancements of rough set, fuzzy logic, and GrC, which covers both theoretical and practical results. Xibei Yang Weihua Xu Yanhong She
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».