ПОРІВНЯННЯ КРИТЕРІЇВ НАВЧАННЯ НЕЧІТКОГО КЛАСИФІКАТОРА З ГОЛОСУЮЧИМИ ПРАВИЛАМИ
Keywords:
класифікація, нечітка база знань, навчання, голосуючі правила, критерії навчання, головні конкурентиAbstract
У нечітких класифікаторах прийняття рішення відбувається за лінгвістичними правилами <Якщо – тоді>, антецеденти яких містять нечіткі терми “низький”, “середній”, “високий” тощо. Для підвищення безпомилковості нечіткий класифікатор навчають за експериментальними даними. Досліджують нечіткий класифікатор із голосуючими правилами, у якому результатом логічного виведення обирають клас із максимальною сумарною належністю за всіма правилами. Запропоновано нові критерії навчання нечіткого класифікатора, які враховують різницю належностей нечіткого висновку лише до головних конкурентів. За правильної класифікації головним конкурентом прийнятого рішення є клас, що має другий за величиною ступінь належності. У випадку неправильної класифікації помилково прийняте рішення є головним конкурентом правильного класу. Комп’ютерні експерименти із настроювання нечіткого класифікатора для UCI-задачі із розпізнавання італійських вин засвідчили суттєву перевагу нових критеріїв навчання.
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 (Українська)
Downloads: 74
