?
Взвешенные индексы кластерной валидации WPC и WXB для нечёткой кластеризации неполных данных
Проблема извлечения знаний из больших массивов данных, характерных для медицины, финансов и промышленности, осложняется неполнотой значений атрибутов. Существующие методы удаления объектов или импутирования значений искажают истинные паттерны, что при обработке данных приводит к неверным выводам. Цель настоящей работы - разработка математически строгого подхода, позволяющего выявлять интерпретируемые нечеткие ассоциативные правила в условиях неопределенности и пропуска отдельных значений. Результатами исследования являются многоуровневая модель нечеткого представления данных (МНПД), базирующаяся на концепции функции присутствия и разработанный на её основе алгоритм поиска нечетких ассоциативных правил в условиях неполных данных (Fuzzy Association Rule Mining with Incomplete Data, ФАРМ-ИНД), который интегрирует обработку пропусков в механизм вычисления нечеткой поддержки. Научная новизна заключается в сочетании этих элементов и внедрении интегрального критерия значимости (ИКЗ), объединяющего поддержку, достоверность и семантическую связность...