Нечеткие классификаторы и матричные схемы агрегирования данных 2


Глава 1 Глава 2




0.7, 0.9), которые являются, с одной стороны, абсциссами максимумов
соответствующих функций принадлежности на 01-носителе, а, с другой
стороны, равномерно отстоят друг от друга на 01-носителе и симметричны
относительно узла 0.5. Тогда введенную лингвистическую переменную «Уровень фактора»,
определенную на 01-носителе, в совокупности с набором узловых точек
здесь и далее будем называть стандартным пятиуровневым нечетким 01-
классификатором.
Сконструированный нечеткий классификатор имеет большое значение
для дальнейшего изложения. Его суть в том, что если о факторе неизвестно
ничего, кроме того, что он может принимать любые значения в пределах 01-
носителя (принцип равно предпочтительности), а надо провести ассоциацию
между качественной и количественной оценками фактора, то предложенный
классификатор делает это с максимальной достоверностью. При этом сумма
всех функций принадлежности для любого х равна единице, что указывает
на непротиворечивость классификатора.
Если при распознавании уровня фактора эксперт располагает
дополнительной информацией о поведении фактора (например,
гистограммой), то классификация фактора в общем случае не будет иметь
стандартного вида, потому что узловые точки классификации и
соответствующие функции принадлежности будут лежать несимметрично на
носителе соответствующего фактора.
Также, если существует набор из i=1..N отдельных факторов со своими
текущими значениями xi, и каждому фактору сопоставлен свой
пятиуровневый классификатор (необязательно стандартный, необязательно
определенный на 01-носителе), то можно перейти от набора отдельных
факторов к единому агрегированному фактору A_N, значение которого
распознать впоследствии с помощью стандартного классификатора.
Количественное же значение агрегированного фактора определяется по
формуле двойной свертки:





- Начало - - Назад - - Вперед -