• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Engineering Applications of Artificial Intelligence >Veracity handling and instance reduction in big data using interval type-2 fuzzy sets
【24h】

Veracity handling and instance reduction in big data using interval type-2 fuzzy sets

机译：使用区间2型模糊集进行大数据的准确性处理和实例约简

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Within the aspect of big data, veracity refers to the existing uncertainty in the dataset. The continuous flow of unstructured data with unwanted noise may bring abnormality in the dataset making them unusable. In this paper, we propose a novel method to handle the veracity characteristic of the big data using the concept of footprint of uncertainty (FOU) in interval type-2 fuzzy sets (IT2 FSs). The proposed method helps in handling the veracity issue in big data and reduces the instances to a manageable extent. We have compared the results with the existing clustering based methods and examined the relationship between the clusters and the FOUs by comparing their centroids and defuzzified values. To scrutinize the validity of our results, we have also performed a number of additional experiments by appending extra instances to the datasets. To check its consistency and efficacy, the proposed methodology is assessed from three different aspects. Experimental result validates that the proposed method can suitably handle the veracity issue in big datasets and is efficient in reducing the instances.
机译：在大数据方面，准确性是指数据集中存在的不确定性。带有不想要的噪声的非结构化数据的连续流动可能会导致数据集中出现异常，从而使其无法使用。在本文中，我们提出了一种使用区间2型模糊集（IT2 FS）中的不确定性足迹（FOU）概念处理大数据的准确性特征的新方法。所提出的方法有助于处理大数据中的准确性问题，并将实例减少到可管理的程度。我们将结果与现有的基于聚类的方法进行了比较，并通过比较聚类和FOU的质心和去模糊值来检查它们之间的关系。为了检查结果的有效性，我们还通过将额外的实例附加到数据集来执行了许多其他实验。为了检查其一致性和有效性，从三个不同方面评估了所提出的方法。实验结果证明，该方法能够很好地处理大数据集中的准确性问题，并且在减少实例方面是有效的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号