Fuzzy Mutual(퍼지 상호)란 무엇입니까?
Fuzzy Mutual 퍼지 상호 - To estimate bounding boxes' relative position, a fuzzy mutual position matrix is proposed. [1] Treated as one of the popular measures in information theory, fuzzy mutual information quantifies the amount of information that one random variable has about another one. [2] Then, a label distribution feature selection algorithm is presented to measure the significance of features with the fuzzy mutual information framework. [3] Some different forms of fuzzy uncertainty measures have been introduced in fuzzy rough set theory, such as fuzzy information entropy, fuzzy conditional entropy, and fuzzy mutual information. [4] To tackle this problem, this article proposes a soft fault diagnosis method combining the improved barnacles mating optimizer(BMO) algorithm with the support vector machine (SVM) classifier, which can achieve the minimum redundancy and maximum relevance for feature dimension reduction with fuzzy mutual information. [5] We first introduce a novel entropy to compute the uncertainty information of fuzzy binary relations and then present the concepts of joint fuzzy entropy, conditional fuzzy entropy and fuzzy mutual information. [6] The proposed algorithm incorporates the grouping strategy based on fuzzy mutual information (FMI) over a group of voxels in the conventional ray casting to achieve the reduction. [7] In this research, a method of gene selection was proposed through two consecutive stages: in the first stage, the fuzzy mutual information (FMI) method is used to determine the most important genes selected through a fuzzy model that was built based on the data size. [8]경계 상자의 상대 위치를 추정하기 위해 퍼지 상호 위치 행렬이 제안됩니다. [1] 정보 이론에서 널리 사용되는 측정 방법 중 하나로 취급되는 퍼지 상호 정보는 한 확률 변수가 다른 확률 변수에 대해 가지고 있는 정보의 양을 수량화합니다. [2] 그런 다음 퍼지 상호 정보 프레임워크를 사용하여 특성의 중요성을 측정하기 위한 레이블 분포 특성 선택 알고리즘을 제시합니다. [3] 퍼지 정보 엔트로피, 퍼지 조건부 엔트로피 및 퍼지 상호 정보와 같은 퍼지 러프 집합 이론에서 퍼지 불확실성 측정의 몇 가지 다른 형태가 도입되었습니다. [4] 이 문제를 해결하기 위해 이 기사에서는 퍼지 상호 정보를 사용하여 특징 차원 축소에 대한 최소 중복성과 최대 관련성을 달성할 수 있는 개선된 따개비 짝짓기 최적화 알고리즘(BMO) 알고리즘과 지원 벡터 머신(SVM) 분류기를 결합한 소프트 결함 진단 방법을 제안합니다. . [5] 퍼지 이진 관계의 불확실성 정보를 계산하기 위한 새로운 엔트로피를 먼저 소개한 다음 조인트 퍼지 엔트로피, 조건부 퍼지 엔트로피 및 퍼지 상호 정보의 개념을 제시합니다. [6] 제안된 알고리즘은 감소를 달성하기 위해 기존의 레이 캐스팅에서 복셀 그룹에 대한 FMI(퍼지 상호 정보) 기반 그룹화 전략을 통합합니다. [7] 본 연구에서는 연속적인 두 단계를 거쳐 유전자 선택 방법을 제안하였다. 첫 번째 단계에서는 FMI(Fuzzy Mutual Information) 방법을 사용하여 데이터 크기를 기반으로 구축된 퍼지 모델을 통해 선택된 가장 중요한 유전자를 결정한다. . [8]
fuzzy mutual information 퍼지 상호 정보
Treated as one of the popular measures in information theory, fuzzy mutual information quantifies the amount of information that one random variable has about another one. [1] Then, a label distribution feature selection algorithm is presented to measure the significance of features with the fuzzy mutual information framework. [2] Some different forms of fuzzy uncertainty measures have been introduced in fuzzy rough set theory, such as fuzzy information entropy, fuzzy conditional entropy, and fuzzy mutual information. [3] To tackle this problem, this article proposes a soft fault diagnosis method combining the improved barnacles mating optimizer(BMO) algorithm with the support vector machine (SVM) classifier, which can achieve the minimum redundancy and maximum relevance for feature dimension reduction with fuzzy mutual information. [4] We first introduce a novel entropy to compute the uncertainty information of fuzzy binary relations and then present the concepts of joint fuzzy entropy, conditional fuzzy entropy and fuzzy mutual information. [5] The proposed algorithm incorporates the grouping strategy based on fuzzy mutual information (FMI) over a group of voxels in the conventional ray casting to achieve the reduction. [6] In this research, a method of gene selection was proposed through two consecutive stages: in the first stage, the fuzzy mutual information (FMI) method is used to determine the most important genes selected through a fuzzy model that was built based on the data size. [7]정보 이론에서 널리 사용되는 측정 방법 중 하나로 취급되는 퍼지 상호 정보는 한 확률 변수가 다른 확률 변수에 대해 가지고 있는 정보의 양을 수량화합니다. [1] 그런 다음 퍼지 상호 정보 프레임워크를 사용하여 특성의 중요성을 측정하기 위한 레이블 분포 특성 선택 알고리즘을 제시합니다. [2] 퍼지 정보 엔트로피, 퍼지 조건부 엔트로피 및 퍼지 상호 정보와 같은 퍼지 러프 집합 이론에서 퍼지 불확실성 측정의 몇 가지 다른 형태가 도입되었습니다. [3] 이 문제를 해결하기 위해 이 기사에서는 퍼지 상호 정보를 사용하여 특징 차원 축소에 대한 최소 중복성과 최대 관련성을 달성할 수 있는 개선된 따개비 짝짓기 최적화 알고리즘(BMO) 알고리즘과 지원 벡터 머신(SVM) 분류기를 결합한 소프트 결함 진단 방법을 제안합니다. . [4] 퍼지 이진 관계의 불확실성 정보를 계산하기 위한 새로운 엔트로피를 먼저 소개한 다음 조인트 퍼지 엔트로피, 조건부 퍼지 엔트로피 및 퍼지 상호 정보의 개념을 제시합니다. [5] 제안된 알고리즘은 감소를 달성하기 위해 기존의 레이 캐스팅에서 복셀 그룹에 대한 FMI(퍼지 상호 정보) 기반 그룹화 전략을 통합합니다. [6] 본 연구에서는 연속적인 두 단계를 거쳐 유전자 선택 방법을 제안하였다. 첫 번째 단계에서는 FMI(Fuzzy Mutual Information) 방법을 사용하여 데이터 크기를 기반으로 구축된 퍼지 모델을 통해 선택된 가장 중요한 유전자를 결정한다. . [7]