Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
140
konferencja
Status:
Autorzy: Kiersztyn Adam, Karczmarek Paweł, Łopucki Rafał, Pedrycz Witold, Al Ebru, Kitowski Ignacy, Zbyryt Adam
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 1 - 8
Web of Science® Times Cited: 9
Scopus® Cytowania: 7
Bazy: Web of Science | Scopus | IEEE Xplore
Efekt badań statutowych NIE
Finansowanie: Funded by the National Science Centre, Poland under CHIST-ERA programme (Grant no. 2018/28/Z/ST6/00563).
Materiał konferencyjny: TAK
Nazwa konferencji: IEEE International Conference onFuzzy Systems (FUZZ-IEEE) 2020
Skrócona nazwa konferencji: FUZZ-IEEE 2020
URL serii konferencji: LINK
Termin konferencji: 19 lipca 2020 do 24 lipca 2020
Miasto konferencji: Glasgow
Państwo konferencji: WIELKA BRYTANIA
Publikacja OA: NIE
Abstrakty: angielski
One of the main challenges faced by people who use data from empirical research in their work is missing data. In many scientific disciplines and industries there are references to time series. The suitability of several methods to imputation of the missing data in the study of mutual links between the analysed time series have been presented and tested in this work. In this paper, known methods of supplementing data in time series were enriched by the use of fuzzy sets and their processing was tested on unique data from experimental research and a transport company database. Fuzzy linguistic descriptors-based methods of missing data imputation in databases containing time series are discussed. The proposed method has a high efficiency, which have been proven in a series of experiments with both artificial and real datasets. The proposed methodologies have been tested on theoretical example and empirical data sets from various fields: (1) ecological data on changes in bird arrival dates in the context of climate change and (2) data describing the transport of containers between ports on the Mediterranean. Moreover, an important novelty of this work is, in particular, an application of fuzzy techniques to the correction of the datasets containing bird migration descriptions.