Rilevamento dei valori anomali mediante tecniche di soft computing

Con la crescita dell'era digitale i dati sono ampiamente disponibili e il recupero della conoscenza da questi dati viene effettuato con algoritmi di data mining. Tra i vari algoritmi di data mining l'individuazione degli outlier è fondamentale poiché la loro presenza degrada l'efficienza del sistema. La maggior parte della ricerca si è limitata a rilevare gli outlier in un singolo universo con una singola granulazione per dati numerici o categorici. Gli algoritmi di rilevamento degli outlier di apprendimento automatico esistenti funzionano bene per i dati quantitativi ma non sono direttamente applicabili a dati qualitativi vaghi e imprecisi il che produce risultati inefficaci. Nel mondo reale esistono anche informazioni ambigue incerte incomplete e indeterminate . Questi problemi vengono affrontati in questo lavoro di ricerca utilizzando la teoria degli insiemi grezzi gli insiemi fuzzy intuitivisti e neutrosofici. La metodologia proposta basata sull'entropia grezza e sulla densità ponderata è stata progettata per rilevare gli outlier in vari sistemi informativi. Il valore della densità ponderata per ogni oggetto e attributo è stato determinato per rilevare gli outlier. In questo modo un oggetto vero non sarà mai trattato come un outlier.