Interval-Valued Methods in Classifications and Decisions

این کتاب الگوریتم‌های جدیدی را بر اساس روش‌های فازی با ارزش بازه‌ای توصیف می‌کند که انتظار می‌رود فرآیندهای طبقه‌بندی و تصمیم‌گیری را تحت اطلاعات ناقص یا نادرست بهبود بخشد. در ابتدا، مجموعه های فازی با ارزش بازه ای را معرفی می کند. سپس روش‌های جدید برای تجمیع در تنظیمات با مقدار بازه، و رایج‌ترین ویژگی‌های عملگرهای تجمع با مقدار فاصله را مورد بحث قرار می‌دهد. سپس برنامه‌هایی مانند تصمیم‌گیری با استفاده از تجمیع مقادیر فاصله‌ای و طبقه‌بندی در صورت وجود مقادیر از دست رفته را ارائه می‌کند. کاربردهای جالب الگوریتم های توسعه یافته برای تجزیه و تحلیل ریزآرایه DNA و در سیستم های پشتیبانی تصمیم پزشکی نشان داده شده است. این کتاب نه تنها به‌عنوان گزارشی به‌موقع برای جامعه‌ای که روی مجموعه‌های فازی و الحاقات آن‌ها کار می‌کنند، بلکه برای محققان و متخصصانی که با مشکلات اطلاعات نامشخص یا ناقص سروکار دارند نیز در نظر گرفته شده است.

This book describes novel algorithms based on interval-valued fuzzy methods that are expected to improve classification and decision-making processes under incomplete or imprecise information. At first, it introduces interval-valued fuzzy sets. It then discusses new methods for aggregation on interval-valued settings, and the most common properties of interval-valued aggregation operators. It then presents applications such as decision making using interval-valued aggregation, and classification in case of missing values. Interesting applications of the developed algorithms to DNA microarray analysis and in medical decision support systems are shown. The book is intended not only as a timely report for the community working on fuzzy sets and their extensions but also for researchers and practitioners dealing with the problems of uncertain or imperfect information.