Conclusion

Заключение

Предлагаемая в данной работе постановка задачи нечеткого обучения представляется более общей нежели обычная, базирующаяся на трактовке признаков как случайных величин.

Теория возможностей позволяет подвести теоретическую базу под эмпирические оценки степени истинности характерные для экспертных систем. Существенным преимуществом теории возможностей является ее способность представления и использования данных в условиях недостатка информации.

Предлагаемый алгоритм обучения не накладывает жестких ограничений на классы, признаки или обучающее множество: классы могут быть нечеткими и пересекающимися; признаки нечетки и, возможно, не независимы; а обучающее множество не только не обязано исчерпывающе классифицировать обучающие примеры, но может делать это противоречивым образом. Классифицирующее правило остается работоспособным и в том случае, когда признаки классифицируемого объекта известны не полностью или вообще не определены.

Алгоритм обучения предлагает выбор между бинаризацией признаков и использованием их в естественном представлении. Первая альтернатива позволяет достичь при обучении большей степени обобщения и равноправия признаков, сохраняя при этом, полезные свойства упорядоченных шкал.

Вопрос оценки значимости признаков является открытым. Но возможности дообучения и изменения порядка проверки признаков позволяют несколько сгладить остроту проблемы.

Аппарат нечетких граф-схем представляется более удобным для классификации, нежели нечеткие продукционные системы в силу своей компактности. Причиной тому является солжность использования «истории» классификации в продукционных системах. Каждая продукция слабо связана с остальными, в противном случае, цепочка вывода становится слишком длинной, затрудняя пояснения. Недостатком, конечно, является сложность выделения отдельных решающих подправил (продукций) и, следовательно, невозможность построения системы пояснений. Однако это касается только тех случаев, когда эксперт классифицирует объекты так же с помощью некоторого набора простых правил (возможно не осознавая этого). Лишь тогда пояснения могут что-либо ему дать.

Дальнейшее развитие системы может быть связано со следующими направлениями:

построение системы дообучения,
разработка подсистемы автоматической и диалоговой кластеризации,
обеспечение совместимости с распространенными базами данных,
реализация пакетного режима работы,
распространение в другие операционные системы.

to references