Методы анализа и структуризации базы нечетких правил

• Автор: Сергиенко, Михаил Александрович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Воронеж
• Количество страниц: 155 с. : ил.

СОДЕРЖАНИЕ
Введение .

ГЛАВА 1. Представление информации в нечетких системах

1.1. Продукционные системы.

1.2. Представление информации в нечетких продукционных системах

1.2.1. Понятие нечеткого множества.

1.2.2. Нечеткие меры

1.2.3. Лингвистическая переменная.

1.2.4. Типы нечетких моделей

1.3. Цели и задачи исследования

ГЛАВА 2. Нечеткий логический вывод

2.1. Нечеткие высказывания и их свойства.
2.2. Свойства нечеткого логического вывода.
2.3. Типы нечетких продукционных правил
2.4. Проектирование нечеткого логического вывода.
ГЛАВА 3. Структуризация нечеткой базы правил
3.1. Формирование полной и частичной непротиворечивой базы нечетких правил
3.2. Параметрическая оптимизация конечной базы нечетких правил
3.3. Повышение качества аппроксимации за счет О Vi ораторов
3.4. Представление нечеткой базы правил в виде совокупности лингвистических секторов
3.5. Представление нечеткой базы правил в виде иерархии на основе группировки правил.
3.6. Представление нечеткой базы правил в виде иерархии на основе порядковой функции.
3.7. Представление нечеткой базы правил в виде иерархии па основе отношения подобия
ГЛАВА 4. Разработка программного обеспечения для генерации, анализа и структуризации базы правил
4.1. Структура программного обеспечения
4.2. Проектирование и структуризация нечеткой базы правил
Заключение
Литература


Представление нечеткой базы правил в виде иерархии на основе группировки правил - алгоритм представления базы нечетких правил в виде иерархии, в которой каждый элемент не нулевого уровня представляет собой агрегированное правило из его потомков (дочерних правил). Группировка правил осуществляется на основе вычисления степень важности правила (рейтинга) по отношению к другим правилам. Такое представление базы правил позволяет оперировать не всем набором правил, а только определенной частью (правилами одного уровня). В такой иерархии каждый уровень позволяет получать результат с соответствующей степенью точности, причем каждый следующий уровень зависит от предыдущего. Представление нечеткой базы правші в виде иерархии на основе порядковой функции - алгоритм структуризации базы нечетких правил на основе ее представления в виде ориентированного графа, для которого строится порядковая функция, позволяющая для каждого правила определять его уровень. Представление нечеткой базы правил в виде иерархии на основе отношений подобия - алгоритм структуризации базы нечетких правил на основе ее представления в виде неориентированного графа, в котором определяются классы подобия, далее для них строится нечеткое отношение порядка, представляющее собой ориентированный граф, к которому применяется предыдущий алгоритм. В четвертой главе описано специальное программное обеспечение, ориентированное на улучшенную методику проектирования базы нечетких продукционных правил, и предназначенное для проведения вычислительного эксперимента, цель которого заключалась в исследовании лингвистических моделей и их взаимодействия с алгоритмами, полученными в диссертационной работе. Исследование полученных алгоритмов проводилось на известном примере парковки грузовика. Предложенные алгоритмы позволили спроектировать базу нечетких правил и осуществить парковку. Полученная БП была частично непротиворечива и не избыточна. Попытка сократить количество правил за счет их группировки не дала положительного результата, хотя размерность БП и так была небольшой. Полученные алгоритмы структуризации БП позволяют осуществлять эффективный поиск необходимых правил на основе построенного графа, проверить БП на частичную избыточность, сформулировать систему приоритетов правил. Разработанное программное средство внедрено в производственный процесс разработки программного обеспечения в ЗЛО «ОТ-ОІЬ» (г. Воронеж) для повышения качества прогнозирования объемов нефтедобычи. В настоящее время широкое распространение приобретают интеллектуальные информационные системы (ИИС), характерной особенностью которых является наличие неопределенности. Интеллектуальность» проявляется в таких аспектах, как управление этой неопределенностью, способность к обучению, прогнозированию и адаптации. Для обеспечения этих свойств применяются современные информационные технологии (мягкие вычисления, обработка нечеткой информации, нейросетевые методы, эволюционное моделирование), ориентированные на работу со знаниями. Все знания можно разделить на два типа: декларативные и процедурные [1]. Декларативные знания содержат сведения о некоторых объектах, их признаках, свойствах, характеристиках, о вхождении объектов между собой в определенные отношения, о ситуациях, в которых участвуют объекты, о явлениях действительности и ее основных закономерностях. Процедурные знания позволяют системе узнать, как можно использовать те или иные декларативные знания, в частности, знания о закономерностях той части действительности, в которой находится интеллектуальная система, для получения нужных системе результатов или тех результатов, которых ожидает от нее пользователь. Можно сказать, что декларативные знания задают модель проблемной области, а процедурные знания - совокупность процедур над проблемной областью. Рассмотрим модели представления знаний [1]. Логическая модель базируется на том, что все знания о действительности можно представить в виде формул некоторого логического исчисления, как правило, в виде формул исчисления предикатов.