Разработка и исследование алгоритмов нечеткой классификации ситуаций для решения задач экологического мониторинга

• Автор: Тимошенко, Роман Петрович
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Таганрог
• Количество страниц: 180 с. : ил.

Нечеткие множества. Алгоритм обратной численной нечеткой классификации 2. Теоретикомножественные операции над интервальными нечеткими множествами
связано с исследованием адекватности используемых форм треугольной, трапециевидной, колоколообразной и др. ЛПР выбирает наиболее подходящий ему график из стандартного набора графиков функций принадлежности, а затем в диалоге с ЭВМ выясняет его параметры и при необходимости корректирует их. Метод использует преимущества косвенных и прямых методов. Выборку объектов необходимо брать такой, чтобы достаточно равномерно представить степень принадлежности от 0 до 1 по отношению к рассматриваемому нечеткому множеству . Эта выборка должна удовлетворять условию безоговорочного экстремума, т. I. Далее, когда множество подходящих объектов отобрано, эксперты опрашиваются о степенях принадлежности в процентной шкале. Оценка позиции по шкале каждого объекта определяется посредством медианы из распределений значений принадлежности. В качестве процедуры шкалирования используется метод, основанный на законе Трстона измерения категорий.


Выборку объектов необходимо брать такой, чтобы достаточно равномерно представить степень принадлежности от 0 до 1 по отношению к рассматриваемому нечеткому множеству . Эта выборка должна удовлетворять условию безоговорочного экстремума, т. I. Далее, когда множество подходящих объектов отобрано, эксперты опрашиваются о степенях принадлежности в процентной шкале. Оценка позиции по шкале каждого объекта определяется посредством медианы из распределений значений принадлежности. В качестве процедуры шкалирования используется метод, основанный на законе Трстона измерения категорий. Процедура, требующая сортировки п объектов в к 1 категорий на некотором континууме свойства экспертами, дает распределение частоты для каждого стимула по категориям. Средние значения границ категорий, полученные методом наименьших квадратов, позволяют определить значения оценок стимулов на шкале. Метод основан на обработке статистических данных . А или нет. А, будем называть оценочным. А и оценивает ее с помощью слов типа часто, редко и т. А, т. В зависимости от степени доверия к
источнику такого рода информации она запоминается с различными весами. Метод заключается в построении функций принадлежности нечетких чисел, приблизительно равных некоторому четкому числу, и приближенных интервальных оценок . Задача сводится к отысканию параметров заранее заданной экспоненциальной функции, при решении которой используются результаты экспертного опроса 5. Рассмотрим особенности построения функций принадлежности для приближенных точечных оценок. Таким образом, задача построения Цки для некоторого числа сводится к отысканию параметров функции.