Анализ критериев обучения нечеткого классификатора

Abstract

В нечетком классификаторе отображение "входы – выход" описывается лингвистическими правилами <Если – то>, антецеденты которых содержат нечеткие термы "низкий", "средний", "высокий" и т.п. Для повышения безошибочности нечеткий классификатор обучают по экспериментальным данным. Рассмотрены задачи с одинаковой и с разной ценой ошибок классификации различных типов. Для задач с неразличимыми типами ошибок в дополнении к двум известным критериям обучения предложен новый. В новом критерии расстояние между желаемым и действительным нечеткими результатами классификации для случаев принятия ошибочного решения взвешивается штрафным коэффициентом. Обобщены критерии обучения для задач классификации c платежной матрицей. Проведенные компьютерные эксперименты на задачах распознавания вин и диагностики заболеваний сердца свидетельствуют, что наилучшие показатели качества настройки нечетких классификаторов достигаются в случае использования нового критерия обучения.