[논문 리뷰] Approximate Equalities on Rough Intuitionistic Fuzzy Sets and an Analysis of Approximate Equalities

B. K. Tripathy, G. K. Panda|arXiv (Cornell University)|2012. 05. 26.

Rough Sets and Fuzzy Logic참고 문헌 11인용 수 5

한 줄 요약

이 논문은 날것의 인식적 퍼저스 집합 기반으로 네 가지의 근사적 동치 관계를 소개하고 분석하며, 이전의 날것의 집합 및 날것의 퍼저스 집합 연구를 확장한다. 소속도와 비소속도를 모두 통합함으로써 제안된 프레임워크는 집합 동치성에서의 불확실성과 사용자 지식의 모델링을 향상시키며, 실제 사례를 통해 정밀도가 떨어지는 상황에서의 의사결정에 있어 실용적 유용성을 입증한다.

ABSTRACT

In order to involve user knowledge in determining equality of sets, which may not be equal in the mathematical sense, three types of approximate (rough) equalities were introduced by Novotny and Pawlak ([8, 9, 10]). These notions were generalized by Tripathy, Mitra and Ojha ([13]), who introduced the concepts of approximate (rough) equivalences of sets. Rough equivalences capture equality of sets at a higher level than rough equalities. More properties of these concepts were established in [14]. Combining the conditions for the two types of approximate equalities, two more approximate equalities were introduced by Tripathy [12] and a comparative analysis of their relative efficiency was provided. In [15], the four types of approximate equalities were extended by considering rough fuzzy sets instead of only rough sets. In fact the concepts of leveled approximate equalities were introduced and properties were studied. In this paper we proceed further by introducing and studying the approximate equalities based on rough intuitionistic fuzzy sets instead of rough fuzzy sets. That is we introduce the concepts of approximate (rough)equalities of intuitionistic fuzzy sets and study their properties. We provide some real life examples to show the applications of rough equalities of fuzzy sets and rough equalities of intuitionistic fuzzy sets.

연구 동기 및 목표

• 날것의 집합 및 날것의 퍼저스 집합의 근사적 동치 개념을 날것의 인식적 퍼저스 집합으로 확장하기.
• 엄격한 수학적 동치를 초월하여 사용자 지식과 모호한 정보를 집합 동치성 결정에 통합하기.
• 인식적 퍼저스 집합의 이중 소속도 및 비소속도 정도를 활용하여 데이터의 불확실성을 더 세밀하게 다룰 수 있는 프레임워크 제공.
• 인식적 퍼저스 집합의 맥락에서 네 가지 서로 다른 유형의 근사적 동치 관계의 상대적 효율성과 성질을 분석하기.
• 정밀도가 떨어지거나 완전하지 않은 데이터를 포함하는 실제 사례를 통해 실용적 적용 가능성을 입증하기.

제안 방법

• 날것의 인식적 퍼저스 집합의 프레임워크 내에서 네 가지 유형의 근사적 동치 관계—날것의 동치, 날것의 동치성, 그리고 두 가지 새로운 변형—을 제안한다.
• 근사 정도의 수준에 기반한 계층적 분석이 가능한 수준화된 근사적 동치 관계를 도입한다.
• 인식적 퍼저스 집합의 하한 및 상한 근사값을 활용하여 근사적 동치의 조건을 정의한다.
• 날것의 집합 이론에서의 양성 영역, 음성 영역 및 경계 영역 개념을 인식적 퍼저스 맥락으로 확장한다.
• 다양한 근사적 동치 유형 간의 상대적 효율성과 강건성을 평가하기 위해 비교 분석을 수행한다.
• 실제 사례를 활용하여 근사적 동치가 어떻게 인식적 퍼저스 정보를 활용해 모호한 상황에서의 의사결정을 모델링할 수 있는지 설명한다.

실험 결과

연구 질문

• RQ1 날것의 인식적 퍼저스 집합에 대해 근사적 동치를 공식적으로 정의할 수 있는 방법은 무엇이며, 이는 이전의 날것의 집합 및 날것의 퍼저스 집합 연구를 어떻게 확장하는가?
• RQ2 인식적 퍼저스 맥락에서 네 가지 제안된 근사적 동치 유형 간의 핵심 성질과 구조적 차이는 무엇인가?
• RQ3 새로운 근사적 동치 유형은 기존 모델 대비 불확실성을 다룰 때 효율성과 적용 가능성 측면에서 어떻게 비교되는가?
• RQ4 어떤 실제 상황에서 날것의 인식적 퍼저스 근사적 동치 관계가 기존의 고전적 또는 퍼저스 동치보다 더 나은 의사결정 지원을 제공할 수 있는가?
• RQ5 집합이 수학적으로 동일하지 않을 경우 사용자 지식은 근사적 동치를 결정하는 데 어떤 역할을 하는가?

주요 결과

• 논문은 근사적 동치 이론을 날것의 인식적 퍼저스 집합으로 성공적으로 확장하여, 이중 소속도 및 비소속도 정도를 통해 불확실성 모델링을 풍부하게 하였다.
• 네 가지 서로 다른 유형의 근사적 동치 관계가 공식적으로 정의되고 분석되었으며, 그 조건과 적용 가능성에서 명확한 차이가 있다.
• 제안된 프레임워크는 사용자 정의 기준과 근사 정도 수준을 통합함으로써 집합 유사성에 대한 보다 정교한 분석을 가능하게 한다.
• 비교 분석 결과, 새로운 유형의 근사적 동치 관계는 이전 모델 대비 더 높은 유연성과 효율성을 보이며, 모호한 데이터 처리에 유리하다.
• 실제 사례는 완전하지 않거나 모호한 정보를 포함하는 의사결정 과정에서 프레임워크의 실용적 유용성을 입증한다.
• 인식적 퍼저스 집합으로의 확장은 이전의 날것의 퍼저스 집합 기반 접근보다 더 포괄적인 불확실성 관리 도구를 제공한다.