4.2 Fuzzifying Historical DataThe f

4.2 Fuzzifying Historical Data
The fuzzification algorithm (FA) proposed here generates a series of trapezoidal fuzzy sets from a given dataset and establishes associations between the values in the dataset and the fuzzy sets generated. It is inspired by the trapezoid fuzzification approach proposed by Cheng et al in [4]. They introduced an approach where the crisp intervals, generally defined by the user at the initial step of FTS, are replaced with trapezoidal fuzzy sets with overlapping boundaries. This overlap implies that a value may belong to more than one set. If a value belongs to more than one set, it is associated to the set where its degree of membership is highest. The FA introduced here follows the same principles but differs from the approach described by Cheng et al [4] by performing automatically the calculation of the fuzzy intervals/sets. The fuzzification approach published in [4], requires the user to specify the number of sets. This is an undesirable requirement in situations where multiple forecasting problems need to be solved. For example, a grocery store may need forecast information related to thousands of products. The proposed algorithm aims to solve this problem by determining the number of sets on basis of the variations in data.

Kết quả (Việt) 1:

4.2 fuzzifying dữ liệu lịch sửThuật toán fuzzification (FA) được đề xuất ở đây tạo ra một loạt các hình thang mờ bộ từ một tập dữ liệu nhất định và thiết lập các Hiệp hội giữa các giá trị trong bộ dữ liệu và các tập mờ được tạo ra. Nó được lấy cảm hứng từ phương pháp tiếp cận fuzzification hình thang được đề xuất bởi Cheng et al năm [4]. Họ giới thiệu một cách tiếp cận nơi khoảng rõ nét, nói chung được định nghĩa bởi người dùng ở bước đầu tiên của FTS, được thay thế bằng thang bộ mờ với sự chồng lấn ranh giới. Chồng chéo này ngụ ý rằng một giá trị có thể thuộc về nhiều hơn một thiết lập. Nếu một giá trị thuộc về nhiều hơn một thiết lập, đó là liên quan đến việc thiết lập nơi mà mức độ của thành viên là cao nhất. FA được giới thiệu ở đây theo nguyên tắc tương tự nhưng khác với phương pháp tiếp cận mô tả bởi Cheng et al [4] bằng cách thực hiện tự động tính toán khoảng mờ/bộ. Phương pháp tiếp cận fuzzification xuất bản năm [4], đòi hỏi người sử dụng để xác định số lượng các bộ. Đây là một yêu cầu không mong muốn trong những tình huống mà nhiều dự báo những vấn đề cần được giải quyết. Ví dụ, một cửa hàng tạp hóa có thể cần dự báo thông tin liên quan đến hàng ngàn sản phẩm. Các thuật toán được đề xuất nhằm giải quyết vấn đề này bằng cách xác định số lượng các bộ trên cơ sở những biến đổi dữ liệu.

Kết quả (Việt) 2:

4.2 Fuzzifying Lịch sử
Thuật toán fuzzification (FA) đề xuất ở đây tạo ra một loạt các hình thang tập mờ từ một tập dữ liệu nhất định và thiết lập mối liên hệ giữa các giá trị trong các số liệu và các tập mờ tạo ra. Nó được lấy cảm hứng từ phương pháp hình thang fuzzification bởi Cheng et al đề xuất trong [4]. Họ đã giới thiệu một cách tiếp cận đến khoảng thời gian sắc nét, thường được định nghĩa bởi người sử dụng ở bước ban đầu của FTS, được thay thế bằng hình thang tập mờ có ranh giới chồng chéo. Chồng chéo này ngụ ý rằng một giá trị có thể thuộc về nhiều hơn một tập. Nếu một giá trị thuộc nhiều hơn một tập hợp, nó có liên quan đến các thiết lập mà mức độ của thành viên là cao nhất. FA giới thiệu ở đây sau những nguyên tắc tương tự nhưng khác với các phương pháp mô tả bởi Cheng et [4] al bằng cách thực hiện tự động tính toán các khoảng mờ / bộ. Cách tiếp cận fuzzification công bố trong [4], đòi hỏi người sử dụng để xác định số lượng các bộ. Đây là một yêu cầu không mong muốn trong tình huống mà nhiều vấn đề dự báo cần phải được giải quyết. Ví dụ, một cửa hàng tạp hóa có thể cần thông tin dự báo liên quan đến hàng ngàn sản phẩm. Các thuật toán đề xuất nhằm giải quyết vấn đề này bằng cách xác định số lượng các bộ trên cơ sở các biến thể trong dữ liệu.