Прикладные интеллектуальные системы, основанные на мягких вычислениях. Ярушкина Н.Г. - 104 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

103
Mining (DM). Современные комплексы DM позволяют «добывать» знания о
системах в виде простых или сложных функции, множества продукций «ес-
ли…то…» и представляют собой инструменты интеллектуального анализа дан-
ных. Каждый метод DM имеет свои достоинства и недостатки, что обусловлено
характером данных и их взаимосвязей.
Один из видов извлекаемых знаний – это знания о динамике развития
объекта. Существует статистическое решение задачи выделения тренда - по-
стоянной составляющей временного ряда. Аналитическое выражение тренда
ищется методами регрессионного анализа, сезонной декомпозиции, анализа
Фурье, различными методами сглаживания. К их общим недостаткам можно
отнести необходимость задания явной параметрической модели тренда и тре-
бования стационарности остатка.
Подход с точки зрения мягких вычислений позволит использовать для
распознавания тенденций аппарат нейронных сетей. Исходные данные могут
быть представлены в нечетком выражении, что может быть обусловлено экс-
пертным оцениванием состояния системы, а так же несовершенными способа-
ми измерения параметров. Для описания изменений этих нечетких величин
вводится понятие нечеткого ряда: упорядоченная последовательность нечетких
меток, - другими словами, нечеткая зависимость от аргумента. Наиболее часто
изменения параметра рассматриваются во времени, в этом случае говорится о
нечетком временном ряде, где время есть свойство системы. Тенденция изме-
нений так же выражается нечеткостью, являясь «нечеткостью второго поряд-
ка». Носителем нечеткого множества тенденций является множество всевоз-
можных функций. В простейшем случае тенденция может описываться лин-
гвистическими терминами «рост», «стабилизация», «падение», оценивающие
знак производной функции. Но под нечеткой тенденцией можно понимать об-
разы любых функции, не только «рост», «падение», «стабилизация», но и экс-
пертные оценки тенденций: «колебания», «хаос». Таким образом, текущие со-
стояние системы можно описать нечеткими тенденциями ее параметров.
4.3.2. Задача обработки нечеткой тенденции
Нечетким временным рядом (НВР) будем называть упорядоченную по-
следовательность наблюдений над некоторым явлением, характер которого из-
меняется во времени, если значения, которые принимает некоторая величина в
момент времени, выражена с помощью нечеткой метки. Нечеткая метка пред-
ставлена лингвистическим термом и функцией принадлежности.
Тенденцией нечеткого временного ряда или нечеткой тенденцией (НТ)
будем называть нечеткую метку, выражающую динамику (систематическое
движение) НВР. К значимым наименованиям тенденций относятся следующие
нечеткие метки:
• рост;
• падение;

Страницы