1. UKM Learning and Research Repository
2. Master Thesis / Tesis Master
3. Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Title:	Dimensionality reduction in rough set using dynamic tabu search
Authors:	Nelly Anak Sengalang (P42884)
Keywords:	Dimensionality Rough set Dynamic tabu search Data mining
Issue Date:	21-Apr-2011
Description:	Perlombongan data merupakan tugas untuk mengenalpasti pengetahuan dari pangkalan data yang besar. Perlombongan data adalah salah satu langkah penting dalam proses pencarian pengetahuan di dalam pangkalan data dan mempunyai beberapa fasa iaitu pembersihan data, penggabungan data, pemilihan data, pengurangan data, transformasi, perlombongan data serta menganalis corak dan persembahan pengetahuan. Pengurangan data dalam fasa pemprosesan data adalah langkah terpenting di dalam perlombongan data. Tujuan utama pengurangan data adalah untuk mengurangkan dimensi data kepada dimensi yang lebih kecil tetapi memberikan keputusan pengetahuan yang hampir sama dengan data asal. Salah satu teknik pengurangan data adalah pengurangan dimensi. Pengurangan dimensi boleh didefinisikan sebagai metod untuk mengurangkan dimensi data kepada saiz yang lebih kecil, mudah dikawal dan mengandungi kehilangan informasi yang sedikit. Pengurangan dimensi dalam sistem maklumat telah menjadi isu utama dalam teori set kasar. Kaedah metaheuristik telah digunakan untuk menyelesaikan masalah pengurangan dimensi dalam penggunaan teori set kasar. Banyak alat pengkomputeran cerdas digunakan dalam menyelesaikan masalah pengurangan dimensi dalam teori set kasar. Kajian ini menggunakan kaedah Tabu Search untuk menghasilkan pengurangan data dan membangunkan penggolongan teori set kasar. Pengurangan data merupakan salah satu teknik pemprosesan yang menerapkan teknik Tabu search dalam menghasilkan reduct dengan bertujuan untuk meningkatkan lagi kemantapan keputusan dari segi ketepatan klasifikasi. Tujuan utama teknik Tabu Search dipilih untuk pemprosesan pengurangan data adalah kerana kaedah pencarian Tabu mempunyai kemudahan penyesuaian ingatan yang membenarkan sifat pencarian yang lebih luas. Tabu Search yang digunakan dalam kajian ini adalah berdasarkan Tabu list yang dinamik. Tabu list yang bersifat dinamik membantu dalam pengurangan masa untuk penghitungan reduk dan meningkatkan kemantapan keputusan dengan melepaskan beberapa bilangan atribut daripada Tabu search berdasarkan jangka masa Tabu yang berlainan daripada satu atribut dengan atribut yang lain. Algoritma Tabu Search dikaji semula untuk diterapkan ke dalam penggunaan pengurangan dimensi data dalam teori set kasar di mana penilaian keputusan pengurangan data adalah berdasarkan kadar kebergantungan dari segi teori set kasar. Bilangan pengurangan data yang berdasarkan teori set kasar yang telah dijanakan melalui teknik Tabu search dinilai dari segi ketepatan ke atas 13 buah data yang boleh didapati dari pangkalan data UCI Machine Learning. Teknik pemprosesan data seperti pembersihan data, transformasi data diaplikasikan ke atas 13 data sebelum data tersebut digunakan dalam penjanaan reduk dengan menggunakan Tabu Search. Pengurangan data merupakan salah satu teknik pemprosesan yang menerapkan teknik Tabu Search dalam menghasilkan reduk dengan bertujuan untuk meningkatkan lagi kemantapan keputusan dari segi ketepatan klasifikasi. Keputusan pengujian penggunaan Dynamic Tabu Search menunjukkan bahawa ketepatan reduct yang dihasilkan adalah lebih tinggi daripada penggunaan kaedah metaheuristik yang lain.,Master/Sarjana
Pages:	85
Call Number:	QA76.9.D343.N433 2011
Publisher:	UKM, Bangi
URI:	https://ptsldigital.ukm.my/jspui/handle/123456789/476136
Appears in Collections:	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.