基于代数中性测度的中性推荐系统用于医学诊断
人工智能
2016-02-29 v1
摘要
中性集（neutrosophic set）能够更精确地处理不确定、不完整、不一致、含糊的信息。本文提出了一种基于中性集的中性推荐系统（neutrosophic recommender system）来预测疾病，该系统包括单准则中性推荐系统（SC-NRS）和多准则中性推荐系统（MC-NRS）。进一步地，我们研究了中性推荐系统的一些代数运算，如并、补、交、概率和、粗体和、粗交、有界差、对称差、最小和最大算子的凸线性和、笛卡尔积、结合律、交换律和分配律。基于这些运算，我们研究了格、Kleen 代数、de Morgan 代数、Brouwerian 代数、BCK 代数、Stone 代数和 MV 代数等代数结构。此外，我们引入了几种基于这些代数运算的相似度度量，并研究了它们的一些理论性质。而且，我们利用所提出的代数相似度度量完成了预测公式。我们还提出了一种基于中性推荐系统的医学诊断新算法。最后，为检验所提方法的有效性，我们在 Heart、RHC、Breast cancer、Diabetes 和 DMD 数据集上进行了实验。最终，我们通过表格和图形形式将所提算法与 ICSM、DSM、CARE、CFMD 等相关算法以及名为 Variant 67、Variant 69 和 Varian 71 的其他变体在 MSE 和计算时间上进行比较，以分析效率和准确性。最后我们使用 ANOVA 统计工具分析了全部 8 种算法的强度。
引用
@article{arxiv.1602.08447,
title = {A Neutrosophic Recommender System for Medical Diagnosis Based on Algebraic Neutrosophic Measures},
author = {Mumtaz Ali and Nguyen Van Minh and Le Hoang Son},
journal= {arXiv preprint arXiv:1602.08447},
year = {2016}
}
备注
Keywords: Medical diagnosis, neutrosophic set, neutrosophic recommender system, non-linear regression model