Треугольное нечеткое число с центром в точке. Наиболее важные нечеткие импликации. Поиск на множестве векторных оценок отношения эквивалентности, которое однозначно определяет искомое разбиение. Формирование базы правил для нечеткого классификатора.
Аннотация к работе
, где a - название переменной, U - универсальное множество (область определения a), А - нечеткое множество на U с функцией принадлежности , описывающее ограничения на значение нечеткой переменной. , где b - название переменной; Т - базовое терм-множество или множество основных лингвистических значений (термов) переменной b, причем каждому из них соответствует нечеткая переменная с функцией принадлежности, заданной на U; G - синтаксическое правило, описывающее процесс образования из множества Т новых значений лингвистической переменной (называется расширенным терм-множеством); М - семантическое правило, согласно которому новые значения лингвистической переменной b, полученные с помощью G, отображаются в нечеткие переменные (это может быть процедура экспертного опроса, позволяющая приписать каждому новому значению, образованному процедурой G, некоторую семантику путем формирования соответствующего нечеткого множества). Треугольным нечетким числом А с центром в точке а, левой шириной и правой шириной называется нечеткое множество А с функцией принадлежности вида База правил может быть представлена как нечеткое отношение между лингвистическими термами посылок и заключений В этой модели каждое правило содержит все возможные термы следствий, причем со своим весовым коэффициентом, заданным соответствующим элементом нечеткого отношения. Априорное правило является нечетким описанием в n-мерном пространстве свойств и последовательность правил является свежей (нечеткой) меткой класса из множества : Здесь обозначает число свойств, - входной вектор, - вывод i-го правила и предшествующие нечеткие множества.
Вывод
В ходе выполнения курсовой работы были изучены
- основы нечеткого моделирования
- модель и принцип работы нечеткого классификатора
- процесс проектирования нечеткого классификатора и формирования базы правил
Была разработана программа, выполняющая построение нечеткого классификатора на основе наблюдаемых данных.
Целью дальнейших исследований является изучение и применения генетического алгоритма для оптимизации базы правил
Список литературы
нечеткий импликация эквивалентность классификатор
1. Леденева Т.М. Основы нечеткого моделирования в среде MATLAB: учебное пособие / Т.М. Леденева, Д.С. Татаркин, А.С. Тарасова. - Воронеж: ЛОП ВГУ, 2006. - 51 с.
2. Леденева Т.М. Обработка нечеткой информации / Т.М. Леденева. - Воронеж: ВГУ, 2006. - 232 с.
3. Roubos J.A. Learning Fuzzy Classification Rules from Labeled Data. / J.A. Roubos, M. Setnes, J. Abonyi. // Elsevier Preprint, 2001.
4. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. / Рутковская Д., Пилинский М., Рутковский Л. - Москва: Горячая линия - Телеком, 2004. - 315 с.
5. Тэрано Т. Прикладные нечеткие системы. / Тэрано Т., Асаи К., Сугено М. - Москва: Мир, 1993. - 386 с.