Podobieństwa i różnice miedzy obiektami symbolicznymi a obiektami rozmytymi

• Autorzy: Małgorzata Machowska-Szewczyk

Warianty tytułu

Similarities And Differences Between Symbolic Objects And Fuzzy Objects

• Języki publikacji: PL

Abstrakty

Informacje zgromadzone w bazach danych często mają postać tekstu zapisanego w naturalnym języku. Informacje lingwistyczne są proste do przetwarzania dla człowieka, który posługuje się na co dzień takimi pojęciami, stanowi jednak dość poważną barierę dla komputera. Obiekty symboliczne oraz obiekty charakteryzowane przez cechy rozmyte umożliwiają przetworzenie danych wyrażonych lingwistycznie do postaci akceptowalnej przez komputer. Głównym celem artykułu jest analiza porównawcza, czyli przedstawienie podobieństw i różnic, jakie występują w opisie obiektów przedstawionych za pomocą zmiennych symbolicznych oraz zmiennych rozmytych.(abstrakt oryginalny)

EN

The information collected in databases often has the form of a text written in natural language. Linguistic information is easy to process for a man who speaks with such concepts every day. However, it is quite a serious barrier to a computer. Symbolic objects and objects which are characterized by fuzzy attributes enable to process linguistically expressed data to a form which is acceptable by a computer. The main object of this article is a comparative analysis, that is a presentation of similarities and differences that occur in the description of the objects represented by the symbolic variables and fuzzy variables.(original abstract)

Słowa kluczowe

PL

Bazy danych; Analiza porównawcza

EN

Databases; Comparative analysis

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 366--374

Twórcy

autor

Małgorzata Machowska-Szewczyk

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Bock H.H., Diday E., Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer Verlag, Berlin 2000.
• Csiszar I., Information - type measures of difference of probability distributions and indirect observations, "Studia Sci. Math. Hung." 1967, vol. 2.
• Dudek A., Miary niepodobieństwa obiektów symbolicznych. Odległość Ichino-Yaguchiego, Ekonometria 14, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1021, Wrocław 2004, s. 100-106.
• Fisher D., Knowledge acquisition via incremental conceptual clustering, "Machine Learning" 1987, no. 2.
• Gatnar E., Symboliczne metody klasyfikacji danych, PWN, Warszawa 1998.
• Łuczak A., Wysocki F., Rozmyta wielokryterialna metoda Hellwiga porządkowania liniowego obiektów, [w:] K. Jajuga, M. Walesiak (red.), Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 14, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1169, Wrocław 2007, s. 330-340.
• Machowska-Szewczyk M., Wykorzystanie informacji rozmytej w wybranych algorytmach taksonomicznych, praca doktorska, Politechnika Szczecińska, 2001.
• Michalski R.S., Knowledge acquisition through conceptual clustering: A theoretical Framework and an algorithm for partitioning data into conjunctive concepts, "International Journal of Policy Analysis and Information Systems" 1980, vol. 4.
• Pappis C.P., Nikos I., A comparative assessment of measures of similarity of fuzzy values, "Fuzzy Sets and Systems" 1992, 56, s. 171-174.
• Piegat A., Fuzzy Modeling and Control, Springer, Heidelberg - New York 2001.
• Wilk J., Miary odległości obiektów opisanych zmiennymi symbolicznymi z wagami, [w:] K. Jajuga, M. Walesiak (red.), Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 13, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1126, Wrocław 2006, s. 224-236.