Resumen

El error de medición con distribución normal es universal en las aplicaciones. Generalmente, un error de medición menor requiere un instrumento mejor y un coste de prueba mayor. En la toma de decisiones, seleccionaremos un subconjunto de atributos con un error de medición adecuado para minimizar el coste total de la prueba. Recientemente, se propuso un conjunto aproximado de cobertura basado en el rango de error con un error de distribución uniforme para investigar esta cuestión. Sin embargo, los errores de medición satisfacen la distribución normal en lugar de la distribución uniforme, que es bastante simple para la mayoría de las aplicaciones. En este artículo, introducimos errores de medida de distribución normal en el modelo de conjunto aproximado de cobertura y tratamos el problema de reducción de atributos sensible al coste de la prueba en este nuevo modelo. Las principales contribuciones de este artículo son cuatro. En primer lugar, construimos un nuevo modelo de datos basado en errores de medición de distribución normal. En segundo lugar, el modelo de conjunto aproximado basado en coberturas con errores de medición se construye mediante la regla "3-sigma" de la distribución normal. Con este modelo, las coberturas se construyen a partir de los datos en lugar de ser asignadas por los usuarios. En tercer lugar, se redefine el problema de reducción de atributos sensible al coste de las pruebas en este conjunto aproximado basado en coberturas. En cuarto lugar, se propone un algoritmo heurístico para resolver este problema. Los resultados experimentales muestran que el algoritmo es más eficaz y eficiente que el existente. Este estudio sugiere nuevas tendencias de investigación sobre el aprendizaje sensible a costes.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:errores de medición de distribución normal, problema de reducción de atributos sensibles, modelo de conjunto aproximado, distribución normal, coste, cobertura, errores de medición, conjunto aproximado, error de medición adecuado, mayor coste de la prueba
• Keywords:normal distribution measurement errors, sensitive attribute reduction problem, rough set model, normal distribution, cost, covering, measurement errors, rough set, appropriate measurement error, higher test cost