СРАВНЕНИЕ КРИТЕРИЕВ ОБУЧЕНИЯ НЕЧЕТКОГО КЛАССИФИКАТОРА С ГОЛОСУЮЩИМИ ПРАВИЛАМИ
Keywords:
классификация, нечеткая база знаний, обучение, голосующие правила, критерии обучения, главные конкурентыAbstract
В нечетких классификаторах принятие решения происходит по лингвистическим правилам <Если – то>, антецеденты которых содержат нечеткие термы "низкий", "средний", "высокий" и т. п. Для повышения безошибочности нечеткий классификатор обучают по экспериментальным данным. Исследуют нечеткий классификатор с голосующими правилами, в котором результатом логического вывода выбирают класс с максимальной суммарной принадлежностью по всем правилам. Предложены новые критерии обучения нечеткого классификатора, учитывающие разницу принадлежностей нечеткого вывода только к главным конкурентам. При правильной классификации главным конкурентом принятого решения является класс, имеющий вторую по величине степень принадлежности. В случае неправильной классификации ошибочно принятое решение является главным конкурентом правильного класса. Компьютерные эксперименты по настройке нечеткого классификатора для UCI-задачи по распознаванию итальянских вин показали существенное преимущество новых критериев обучения.
References
2. Rotshtein A. N. Design and tuning of fuzzy rule-based system for medical diagnosis / A. N. Rotshtein,
N. H. Teodorescu, , A. Kandel, L. C. Jain // Fuzzy and Neuro-Fuzzy Systems in Medicine. – Boca–Raton : CRC–Press, 1998. P. 243 – 289.
3. Ishibuchi H. Voting in fuzzy rule-based systems for pattern classification problems /
H. Ishibuchi, T. Nakashima, T. Morisawa // Fuzzy Sets and Systems. – 1999. – Vol. 103, №2. – P. 223 – 238.
4. Ishibuchi H. Classification and modeling with linguistic information granules: advanced approaches advanced approaches to linguistic data mining / H. Ishibuchi, T. Nakashima, M. Nii. – Berlin – Heidelberg: Springer-Verlag, 2005. – 307 p.
5. Shtovba S. Tuning the fuzzy classification models with various learning criteria: the case of credit data classification / S. Shtovba, O. Pankevich, G. Dounias // Proc. of Inter. Conference on Fuzzy Sets and Soft Computing in Economics and Finance. St. Petersburg (Russia). St. Petersburg: Russian Fuzzy Systems Association. – 2004. – Vol. 1. –P. 103 – 110.
6. Штовба С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. – М. : Горячая линия – Телеком, 2007. – 288 с.
7. Штовба С. Д. Порівняння критеріїв навчання нечіткого класифікатора / С. Д. Штовба // Вісник Вінницького політехнічного інституту. – 2007. – № 6. – С. 84 – 91.
8. Штовба С. Д. Анализ критериев обучения нечеткого классификатора / С. Д. Штовба,
О. Д. Панкевич, А. В. Нагорна // Автоматика и вычислительная техника. 2015. № 3. С. 5 16.
9. Панкевич О. Д. Діагностування тріщин будівельних конструкцій за допомогою нечітких баз знань. Монографія / О. Д. Панкевич, С. Д. Штовба. – Вінниця: УНІВЕРСУМ – Вінниця, 2005. – 108 с.
10. Штовба С. Д. Обеспечение точности и прозрачности нечеткой модели Мамдани при обучении по экспериментальным данным / С. Д. Штовба // Проблемы управления и информатики. – 2007. – № 4. – С. 102 – 114.
Downloads
-
PDF (Русский)
Downloads: 148
