Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 90 стр.

UptoLike

Составители: 

90
2.6. Нечеткие алгоритмы и выводы
Нечеткий алгоритм – упорядоченное множество нечетких правил,
в формулировке которых содержатся нечеткие указания.
Примерами нечетких алгоритмов могут служить такие правила:
– «х = очень малой величине»;
– «х приблизительно равно 10»;
– «если х в интервале [4;6], то выбрать y из интервала [9;10].
Последнее правило наиболее часто используется в НЛ, а совокуп"
ность таких правил образует базу знаний вида:
П
1
: если х есть A
1
, то у есть В
1
;
П
2
: если х есть A
2
, то у есть В
2
;
П
3
: если х есть A
n
, то у есть В
n
,
где х – входная переменная (имя для известных значений данных); у
переменная вывода (имя для значений данных, которое будет вычис"
лено).
Такое правило, называемое продукционным, состоит из двух час"
тей:
– антецедент (предпосылка правила, после союза «если»);
– консецедент (следствие, заключение или вывод, после союза
«то»).
Например, если обслуживание хорошее, то чаевые – средние. Вхо"
дом в правило здесь является текущее значение входной переменной
(обслуживание). Выходом служит нечеткое множество «средние»,
которое позже должно быть дефазифицировано (должно быть полу"
чено четкое значение выходной переменной).
Между принятым лингвистической переменной х значением A и
значением В, принятым переменной у, существует отношение, кото"
рое называется импликацией и обозначается R = A®В.
Операцию импликации в алгебре НМ можно реализовывать по"
разному, но в любом случае общий логический вывод включает сле"
дующие этапы [3,7]:
– приведение к нечеткости;
– логический вывод;
– композиция;
– приведение к четкости.
В общем случае схема системы нечеткого логического вывода при"
ведена на рис. 2.12.
Опишем более подробно каждый из этапов.
Приведение к нечеткости (фазификация, fuzzyfication): ФП,
определенные на входных переменных, применяются к их факти"