ифікація навчальної множини, вважається, що дана модель пройшла крос-перевірку.
Поділ на навчальне і тестове безлічі здійснюється шляхом ділення вибірки в певній пропорції, наприклад навчальна множина - дві третини даних і тестове - одна третина даних. Цей спосіб слід використовувати для вибірок з великою кількістю прикладів. Якщо ж вибірка має малі обсяги, рекомендується застосовувати спеціальні методи, при використанні яких навчальна і тестова вибірки можуть частково перетинатися [13].
РОЗДІЛ 2. НЕЧІТКІ СИСТЕМИ
2.1 Поняття нечіткої системи
Нечітка система - це система, для опису якої використовується апарат теорії нечітких множин та нечітка логіка. Існують наступні способи такого опису:
нечітка специфікація параметрів системи (функціонування системи може бути описано алгебраїчним або диференціальним рівнянням, в якому параметри є нечіткими числами);
нечітке (лінгвістичне) опис вхідних і вихідних змінних системи, яке обумовлено неточною інформацією, одержуваної від ненадійних датчиків, або якісною інформацією, одержуваної від експерта;
нечіткий опис системи у вигляді сукупності якщо щось - правил , що відображають особливості функціонування на якісному рівні.
Нечітка система може мати одночасно всі перераховані атрибути. Нечіткі системи використовуються для моделювання, аналізу даних, прогнозу чи управління.
Нечіткі правила - це нечіткі продукційні правила, які при фіксованої мети управління (наприклад, збереження значень керованого параметра в деякій області допустимих значень) описують його стратегії на якісному рівні. Під продукцією розуміється кортеж наступного виду:, де i - ім'я продукції, Q характеризує сферу застосування продукції, - ядро ??продукції (звичайне прочитання ядра виглядає як: якщо A , то B ), P - умова застосовності ядра продукції або передумова, N - Післяумови продукції описує дії і процедури, які необхідно виконати після реалізації B . Основною частиною продукції є ядро, інші елементи носять допоміжний характер, тому в найбільш простому виді продукція може складатися лише з імені та ядра [2].
2.2 Структура і етапи проектування нечіткого класифікатора
Структура нечіткого класифікатора представлена ??на малюнку 1 [2].
Рисунок 1 - Структура нечіткого класифікатора.
Об'єкт класифікації являє собою вхідну змінну, яку необхідно віднести до одного з заздалегідь відомих класів.
Блок завдання векторної оцінки нового об'єкта представляє об'єкт класифікації як вектор, що складається з n компонент (характеристик ).
У блоці лінгвістичного уявлення (фазифікації) точні значення вхідних змінних перетворюються на значення лінгвістичних змінних за допомогою застосування деяких положень теорії нечітких множин, а саме - за допомогою певних функцій приналежності.
Механізм нечіткого логічного висновку - це процес отримання нечітких висновків про об'єкт класифікації на основі нечітких умов або передумов, що представляють собою інформацію про об'єкт.
База знань нечіткої логічної системи складається з бази правил , що визначають залежність між вхідними і вихідними термами-множинами, і бази даних , яка містить функції приналежності, що показують ступінь відповідності реальних величин поняттями, що визначаються термами-множинами. У блоці висновок про належність до класу визначається найбільш ймовірна приналежність об'єкта до одного із заданих класів. На малюнку 2 представлений процес проектування нечіткого класифікатора.
Розглянемо етапи проектування нечіткого класифікатора.
ЕТАП 1. Формування вхідних та/або вихідних змінних
Метою введення нечіткої множини найчастіше є формалізація нечітких понять і відносин природної мови. Дану формалізацію можна виконати, скориставшись поняттями нечіткої і лінгвістичної змінних. Нечітка змінна задається трійкою [5]
lt; a , U, A
