Search

Drawing reasonable conclusions from real-world data has been a challenge owing to diverse factors related to the quality of information. In order to handle these problems, the rough sets theory, which deals with inconsistency through the approximation of data sets, was proposed. Among the applications of rough sets, their use in learning processes is highlighted due to their capacity to produce interpretable classification models. Despite their success, some of the most commonly used rough sets based methods are designed to work with categorical input data. This design choice can severely limit their application to real-world problems. Such methods are also inappropriate to handle binary classification problems. By using discretization methods and decision trees we were able to overcome such limitations and improve the classification quality of the methods used. As a result, we developed three approaches. The first presented approach produce interpretable results considering the rejection option. The second approach makes use of belief merging techniques to reduce the number of rejected objects in the first approach. At last, the third approach makes use of decision trees to classify all rejected cases. Tirar conclusões razoáveis a partir de dados do mundo real tem sido um desafio devido a diversos fatores relacionados à qualidade da informação. Para lidar com esses problemas, foi proposta a teoria dos conjuntos aproximados, que trata da inconsistência através da aproximação de conjuntos de dados. Entre as aplicações de conjuntos aproximados, destaca-se a sua utilização nos processos de aprendizagem, devido à sua capacidade de produzir modelos de classificação interpretáveis. Apesar do sucesso, alguns dos métodos baseados em conjuntos aproximados mais usados são projetados para trabalhar com dados de entrada categóricos. Essa opção de design pode limitar severamente sua aplicação a problemas do mundo real. Esses métodos também são inadequados para lidar com problemas de classificação binária. Utilizando métodos de discretização e árvores de decisão, conseguimos superar tais limitações e melhorar a qualidade da classificação dos métodos utilizados. Como resultado, desenvolvemos três abordagens. A primeira abordagem apresentada produz resultados interpretáveis considerando a opção de rejeição. A segunda abordagem faz uso de técnicas de fusão de crença para reduzir o número de objetos rejeitados na primeira abordagem. Por fim, a terceira abordagem faz uso de árvores de decisão para classificar todos os casos rejeitados.

Não recebi financiamento The research introduces an algorithm based on the Kansei Engineering System capable of producing Semantic Panels for the use of professionals during product development. Semantic Panels are comprised of a series of visual images used by designers to express the emotions of potential customers, supporting the analysis of creative ideas for product development. The Kansei Engineering system has the role of linking consumers’ feelings and emotions to product descriptive features. By developing and algorithm when these two pieces of information are linked to each other, and by identifying the existing interactions by means of Rough Set statistical analysis, professionals enrich the material available for decision making. By comparing it with the existing literature, this is a new formulation for the use of the Kansei Engineering System for production of Semantic Panels structured into five cycles, and capturing users’ opinions in all stages of the creation process. The above-mentioned algorithm was developed and a subset of real data was used for applying the procedure to a product of consumer goods. The proposal was proven a feasible alternative for the construction of Semantic Panels based on consumers’ information. A pesquisa apresenta um algoritmo baseado no Sistema de Engenharia Kansei, capaz de produzir Painéis Semânticos, para uso dos profissionais em desenvolvimento de produto. Os Painéis Semânticos são constituídos por um conjunto de imagens visuais utilizado pelos designers para expressar emoções dos potenciais clientes, auxiliando nas análises de ideias criativas para o desenvolvimento de produtos. Já o sistema de Engenharia Kansei tem a função de relacionar sensações e emoções de consumidores, com características descritivas do produto. Ao desenvolver um algoritmo interligando essas informações se relacionam, e identificar as interações existentes, por meio de análises estatísticas Rough Set, os profissionais enriquecem o material disponível para a tomada de decisão. Comparando-se com a literatura existente trata-se de uma nova formulação do emprego do Sistema Engenharia Kansei para a produção de Painéis Semânticos, estruturada em cinco ciclos, e captando a opinião dos usuários em todas as fases do processo de criação. O algoritmo mencionado foi desenvolvido, e um subconjunto de dados reais foi utilizado para a aplicação do procedimento em um produto de bens de consumo. Essa proposta mostrou-se uma alternativa viável para a construção de Painéis Semânticos a partir das informações de consumidores.

OLIVEIRA, Henrique Viana. Refinamento de consultas em lógicas de descrição utilizando teoria dos Rough sets. 2012. 111 f. Dissertação (Mestrado em ciência da computação)- Universidade Federal do Ceará, Fortaleza-CE, 2012. Query Refinement consists of methods that modify the terms of a consult aiming the change of its result obtained previously. Refinements can be done of several ways and different approaches can be applied to it. This work proposes to apply methods of Query Refinement based on Rough Set theory, using it as an alternative for the refinement problem. The proposed methods will be grounded in the languages of Description Logics, which are commonly used on problems involving knowledge bases or ontologies representation. Two extensions of Description Logics with the Rough Set theory are introduced in this dissertation. We will prove the complexity of satisfiability of these logics, as well as the complexities of the query refinement methods applied to these logics. Finally, we will show quality measures which will aid to choose the results of the refinements obtained. Refinamento de consulta consiste de técnicas que modificam os termos de uma consulta com o objetivo de alterar os resultados obtidos inicialmente. Para a realização de tal fim, diversas abordagens podem ser aplicadas e diferentes tipos de refinamentos podem ser considerados. Este trabalho propõe aplicar a teoria dos Rough Sets como uma nova alternativa de solução para o problema. Através das noções presentes nessa teoria, iremos desenvolver técnicas que serão aplicadas nas linguagens de Lógicas de Descrição, que são comumente utilizadas em problemas de representação de bases de conhecimento ou ontologias. Além disso, introduziremos duas extensões de Lógicas de Descrição capazes de representar as operações da teoria dos Rough Sets. Provaremos os resultados de complexidade de decisão dessas duas lógicas, assim como os resultados de complexidade das técnicas de refinamentos desenvolvidas. Por fim, mostraremos métricas de qualidade que poderão ser usadas para melhorar o resultado dos refinamentos obtidos.

Este estudo trata da tomada de decisão com dados replicados e inconsistentes, relativos ao universo de Recursos Humanos, em uma instituição financeira nacional. A replicação ocorre por questões técnicas e/ou econômicas, e visa o atendimento de necessidades corporativas e departamentais dessa instituição. Como metodologia de pesquisa, utilizou-se a observação direta das inconsistências e a simulação com base em dados reais que refletissem a replicação com inconsistências. Os autores apresentam a aplicação de um método multicritério para tornar racional o processo de tomada de decisão, e que se transformou em elemento de motivação deste estudo. O método utilizado foi a Teoria dos Conjuntos Aproximativos (TCA). Um algoritmo foi desenvolvido para indicar as relações de equivalência, aproximações inferior e superior, região de fronteira, medida da exatidão, reduções e núcleo e, posteriormente, implementado em um software. This study deals about decision-making with replicated and inconsistent data, relating to the universe of Human Resources, within a domestic financial institution. Replication occurs because of technical and/or economic questions, and seeks to meet corporate and departmental requirements of such an institution. As research methodology, direct observation of such inconsistencies was used as well as a simulation based on actual data which would reflect replication with inconsistencies. The authors introduce an application of a multi-criteria method to render the decision-making process rational, and was transformed into an element that stimulated this study. The method used was the Rough Set Theory (RST). An algorithm was developed to indicate the equivalence relations, lower and higher approximations, borderline region, accuracy measure, reducts and core and was subsequently implemented into a software.