MétaCan
Menu
Retour à la cohorte
Enregistrement W2143985241 · doi:10.1109/nafips.2004.1336252

Rough set approximations in formal concept analysis

2004· article· en· W2143985241 sur OpenAlexafffund
Yiyu Yao, Yaohua Chen

Notice bibliographique

RevueIEEE Annual Meeting of the Fuzzy Information, 2004. Processing NAFIPS '04. · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueRough Sets and Fuzzy Logic
Établissements canadiensUniversity of Regina
Organismes subventionnairesSpecialized Research Fund for the Doctoral Program of Higher Education of ChinaNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésRough setFormal concept analysisSet (abstract data type)Approximations of πComputer scienceUniversal setMathematicsSet theoryDominance-based rough set approachApproximation theoryLattice (music)Algebra over a fieldDiscrete mathematicsTheoretical computer scienceAlgorithmArtificial intelligenceApplied mathematicsPure mathematics

Résumé

récupéré en direct d'OpenAlex

An important topic of rough set theory is the approximation of undefinable sets or concepts through definable sets. It involves the construction of a system of definable sets and the definition of approximation operators. In this paper, the notion of rough set approximations is introduced into formal concept analysis. Approximation operators are defined based on both lattice-theoretic and set-theoretic operators. The results provide a better understanding of data analysis using rough set theory and formal concept analysis.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,007
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Annual Meeting of the Fuzzy Information, 2004. Processing NAFIPS '04.Même sujetRough Sets and Fuzzy LogicTravaux en français237 207