Оптимізація сполучених нечітких баз знань на правилах і відношеннях

Abstract

Розглядається задача оптимізації сполучених нечітких баз знань, в яких причини і наслідки з’єднуються нечіткими відношеннями, а міри значимостей причин і наслідків – класифікаційними нечіткими правилами, які є якісними розв’язками системи рівнянь нечітких відношень для заданих класів виходу. Задача оптимізації сполученої нечіткої бази знань, яка зведена до задачі min-max кластеризації, полягає у виборі таких класів виходу, для яких інтервальні розв’язки системи рівнянь нечітких відношень забезпечують необхідні або екстремальні рівні точності виведення і кількості правил. Такий підхід дозволяє понизити складність задачі оптимізації нечіткої бази знань шляхом поетапного генерування і селекції нечітких відношень і правил

Рассматривается задача оптимизации составных нечетких баз знаний, в которых причины и следствия объединяются нечеткими отношениями, а меры значимостей причин и следствий – классификационными нечеткими правилами, которые являются качественными решениями системы уравнений нечетких отношений для заданных классов выхода. Задача оптимизации составной нечеткой базы знаний, которая сведена к задаче min-max кластеризации, заключается в выборе таких классов выхода, для которых интервальные решения системы уравнений нечетких отношений обеспечивают необходимые или экстремальные уровни точности вывода и количества правил. Такой подход позволяет понизить сложность задачи оптимизации нечеткой базы знаний путем поетапного генерирования и селекции нечетких отношений и правил

The problem of composite fuzzy knowledge base optimization is considered. In this case, causes and effects are connected by fuzzy relations, and causes and effects significance measures are connected by classifying fuzzy rules, which can be considered as qualitative solutions of fuzzy relational equations for the given output classes. The problem of composite fuzzy knowledge base optimization amounts to the problem of min-max clustering and consists of selection of such output classes, for which interval solutions of fuzzy relational equations provide for necessary or extremal levels of the inference accuracy and the number of rules. Such an approach allows complexity reduction for the problem of fuzzy knowledge base optimization by consecutive generation and selection of fuzzy relations and rules.