Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 176 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

176
оценок и введенных бинарных отношений, а значит и сравнительных нечетких
оценок с помощью автоматизированных процедур. Таким образом, комплекс
алгоритмически реализованных определенных в функциональной модели опе-
раций является условием и базой для автоматизированной процедуры построе-
ния модели ACL-шкалы на заданном универсальном множестве Х. Такая шкала
будет частично зависима от
контекста среды.
Вследствие этого представляется обоснованным ввести параметрическую
модель ACL-шкалы, параметры которой будут обеспечивать генерацию под-
множеств возможных структурно-функциональных моделей ACL-шкал, постро-
енных на одном и том же универсальном множестве Х, каждая из которых бу-
дет отражать контекст предметной области. Обозначенное актуализирует зада-
чу определения параметрической модели ACL-шкалы
при фиксированной
структурно-функциональной модели.
Параметризация ACL-шкалы полезна, с одной стороны, как инструмент
настройки шкалы на специфику предметной области, а с другой – для реализа-
ции оптимизационных процедур с целью минимизации погрешности оценива-
ния. В условиях невозможности решения задачи параметрической оптимиза-
ции, параметры модели ACL-шкалы могут устанавливаться и изменяться экспертно.
Определим
параметрическую модель ACL-шкалы S
x
в виде
Ψ ={Е, d, MF, nmin, nmax},
где Е – тип нечеткой шкалы (номинальная, порядковая или «квазиинтер-
вальная (равномерная/неравномерная)»);
d – параметр, определяющий носитель типа изменения нечетких градаций
«Стабильность», то есть длину интервала на Х, все значения х в котором могут
рассматриваться с позиции данной шкалы, как одинаковые, неразличимые;
MF – тип функций принадлежности,
моделирующих нечеткие оценки
i
х
~
X
~
, i
[1,m], например, треугольного вида;
nmin= inf(Х), nmax = sup(Х).

Страницы