Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing: 10th International Conference, RSFDGrC 2005, Regina, Canada, August 31 - September 3, 2005, Proceedings, Part I

این جلد شامل مقالاتی است که برای ارائه در دهمین کنفرانس بین المللی در مورد مجموعه های خشن، مجموعه های فازی، داده کاوی و محاسبات دانه ای، RSFDGrC 2005، که در دانشگاه رجینا، 31 اوت تا 3 سپتامبر 2005 برگزار شد، انتخاب شده است. این کنفرانس به دنبال رویدادهای بین‌المللی به موضوع مجموعه‌های خشن بود که تاکنون در کانادا، چین، ژاپن، لهستان، سوئد و ایالات متحده برگزار شده است. RSFDGrC از سال 2003 در چونگ کینگ چین به وضعیت کنفرانس بین المللی دوسالانه دست یافت. تئوری مجموعه های خشن که توسط قانون Zdzis Pawlak در سال 1982 ارائه شد، مدلی از استدلال تقریبی است. ایده اصلی مبتنی بر روابط غیرقابل تشخیص است که تشخیص ناپذیری اشیاء را توصیف می کند. مفاهیم با - تقریب ها نشان داده می شوند. در کاربردها، متدولوژی مجموعه خشن بر نمایش تقریبی دانش قابل استخراج از داده ها تمرکز دارد. این امر منجر به نتایج قابل توجهی در بسیاری از زمینه ها مانند اقتصاد، صنعت، چند رسانه ای و پزشکی می شود. کنفرانس‌های RSFDGrC بر ارتباطات بین مجموعه‌های ناهموار و مجموعه‌های فازی، محاسبات دانه‌ای، و کشف دانش و جمع‌آوری داده‌ها، هم در سطح مبانی نظری و هم در برنامه‌های واقعی تأکید می‌کنند. در مورد این رویداد، e?ort اضافی برای ایجاد ارتباط با طیف گسترده‌تری از برنامه‌ها ایجاد شد. ما با گنجاندن کارگاه‌های آموزشی در زمینه بیوانفورماتیک، مهندسی امنیت، و سیستم‌های جاسازی شده، و همچنین آموزش‌ها و جلسات مربوط به سایر حوزه‌های کاربردی، در برنامه کنفرانس به آن دست یافتیم.

This volume contains the papers selected for presentation at the 10th Int- national Conference on Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing, RSFDGrC 2005, organized at the University of Regina, August 31st–September 3rd, 2005. This conference followed in the footsteps of inter- tional events devoted to the subject of rough sets, held so far in Canada, China, Japan,Poland,Sweden, and the USA. RSFDGrC achievedthe status of biennial international conference, starting from 2003 in Chongqing, China. The theory of rough sets, proposed by Zdzis law Pawlak in 1982, is a model of approximate reasoning. The main idea is based on indiscernibility relations that describe indistinguishability of objects. Concepts are represented by - proximations. In applications, rough set methodology focuses on approximate representation of knowledge derivable from data. It leads to signi?cant results in many areas such as ?nance, industry, multimedia, and medicine. The RSFDGrC conferences put an emphasis on connections between rough sets and fuzzy sets, granularcomputing, and knowledge discoveryand data m- ing, both at the level of theoretical foundations and real-life applications. In the case of this event, additional e?ort was made to establish a linkage towards a broader range of applications. We achieved it by including in the conference program the workshops on bioinformatics, security engineering, and embedded systems, as well as tutorials and sessions related to other application areas.