Порівняння критеріїв навчання нечіткого класифікатора

Abstract

Запропоновано новий критерій навчання нечіткого класифікатора, який поєднує переваги двох відомих — відсотка безпомилковості та відстані між нечіткими множинами. Проведені експерименти свідчать, що безпомилковість нечітких класифікаторів після навчання за новим критерієм краща.

Предложен новый критерий обучения нечеткого классификатора, который объединяет преимущества двух известных — процента безошибочности и расстояния между нечеткими множествами. Выполненные эксперименты показывают, что безошибочность нечетких классификаторов после обучения по новому критерию лучшая.

A new criterion for fuzzy classifier learning is proposed. The proposed criterion inherits the advantages of well-known learning criteria: misclassification rate and distance between fuzzy sets. Executed experiments show that learning with proposed criterion produces the fuzzy classifiers with the best misclassification rate.