Pehmytjoukko-oppi
Pehmytjoukko-oppi on matemaattinen kehys epävarmuuden ja epätarkkuuden käsittelyyn parametrisoitujen joukkojen avulla. Dmitriy Molodtsovin vuonna 1999 esittelemä teoria tarjoaa likimääräisen kuvauksen universumin objekteista yhdistämällä kunkin valitun parametrijoukon parametrin universumin terveen osajoukon kanssa. Toisin kuin todennäköisyysteoria tai sumeat joukot, pehmytjoukot eivät vaadi jäsenyysfunktiota tai todennäköisyysjakaumaa, mikä vapauttaa kehyksen olemassa olevien epävarmuustyökalujen riittämättömyydestä silloin, kun riittävästi dataa ei ole saatavilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Molodtsov, D. (1999). Soft set theory—first results. Computers & Mathematics with Applications, 37(4–5), 19–31. DOI: 10.1016/S0898-1221(99)00056-5 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Soft Set Theory. ScholarGate. https://scholargate.app/fi/soft-computing/soft-set-theory
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Formaali konseptianalyysi (FCA)Pehmeä laskenta↔ compare
- Granular Computing (Information Granulation)Pehmeä laskenta↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →