Erkennung von Ausreißern mit Soft-Computing-Techniken

Mit dem Wachstum des digitalen Zeitalters sind Daten in gro em Umfang verf gbar, so dass das Abrufen von Wissen aus diesen Daten durch Data-Mining-Algorithmen erfolgt. Unter den verschiedenen Data-Mining-Algorithmen ist die Erkennung von Ausrei ern von entscheidender Bedeutung, da ihr Auftreten die Effizienz des Systems beeintr chtigt. Die meisten Forschungsarbeiten beschr nken sich auf die Erkennung von Ausrei ern in einem einzigen Universum mit einer einzigen Granulation f r numerische oder kategoriale Daten. Die vorhandenen Algorithmen zur Erkennung von Ausrei ern durch maschinelles Lernen funktionieren gut bei quantitativen Daten, lassen sich aber nicht direkt auf qualitative, vage und ungenaue Daten anwenden, was zu ineffektiven Ergebnissen f hrt. In der realen Welt gibt es auch mehrdeutige, unsichere, unvollst ndige und unbestimmte Informationen . Diese Probleme werden in dieser Forschungsarbeit mit Hilfe der Theorie der groben Mengen, der intuitionistischen Fuzzy-Mengen und der neutrosophischen Mengen behandelt . Die vorgeschlagene Methode zur Erkennung von Ausrei ern auf der Grundlage von grober Entropie und gewichteter Dichte wurde entwickelt, um Ausrei er in verschiedenen Informationssystemen zu erkennen . Der gewichtete Dichtewert f r jedes Objekt und jedes Attribut wurde bestimmt, um Ausrei er zu erkennen. So wird ein echtes Objekt niemals als Ausrei erbehandelt.