Rough Set Analysis of Classification Data with Missing Values

Marcin Szeląg; Jerzy Błaszczyński; Roman Słowiński

doi:10.1007/978-3-319-60837-2_44

System Informacji Naukowej Politechniki Poznańskiej

PL EN

Strona główna / Publikacje / Rough Set Analysis of Classification Data with Missing Values

Zgłoś uwagę

Rozdział

Pobierz BibTeX

Tytuł

Rough Set Analysis of Classification Data with Missing Values

Autorzy

Marcin Szeląg (WI) ^{[ 1 ][ 2.3 ][ P ]}
Jerzy Błaszczyński (WI) ^{[ 1 ][ 2.3 ][ P ]}
Roman Słowiński ^{[ 2 ][ 2.3 ][ P ]}

^{[ 1 ]} Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | ^{[ 2 ]} Instytut Badań Systemowych PAN | ^{[ P ]} pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2017

Typ rozdziału

rozdział w monografii naukowej / referat

Język publikacji

angielski

Słowa kluczowe

EN

Rough set
indiscernibility-based rough set approach
dominance-based rough set approach
missing values

Streszczenie

EN In this paper, we consider a rough set analysis of non-ordinal and ordinal classification data with missing attribute values. We show how this problem can be addressed by several variants of Indiscernibility-based Rough Set Approach (IRSA) and Dominance-based Rough Set Approach (DRSA). We propose some desirable properties that a rough set approach being able to handle missing attribute values should possess. Then, we analyze which of these properties are satisfied by the considered variants of IRSA and DRSA.

Data udostępnienia online

22.06.2017

Strony (od-do)

552 - 565

DOI

10.1007/978-3-319-60837-2_44

URL

https://link.springer.com/chapter/10.1007/978-3-319-60837-2_44

Książka

Rough Sets : International Joint Conference, IJCRS 2017, Olsztyn, Poland, July 3–7, 2017 : Proceedings, Part I

Zaprezentowany na

International Joint Conference on Rough Sets IJCRS 2017, 3-7.07.2017, Olsztyn, Poland