Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Tworzenie reguł diagnostycznych na podstawie danych

Tytuł:
Tworzenie reguł diagnostycznych na podstawie danych
Data-based creation of diagnostic rules
Autorzy:
Straszecka, E.
Tematy:
zbiory rozmyte
teoria Dempstera-Shafera
reguły diagnostyczne
fuzzy sets
Dempster-Shafer theory
diagnostic rules
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Język:
polski
Prawa:
CC BY: Creative Commons Uznanie autorstwa 3.0 Unported
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 4, 4; 219-222
0032-4140
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
W pracy przedstawiono metodę tworzenia reguł diagnostycznych o rozmytych przesłankach reprezentujących objawy i nierozmytej konkluzji odpowiadającej diagnozie. Reguły tworzy się na podstawie danych uczących, lecz są one zrozumiałe dla ekspertów i mogą być przez nich weryfikowane. Zbiór reguł dla każdej z diagnoz jest ustalany odrębnie, z zastosowaniem oryginalnego algorytmu eliminacji reguł. Obliczenia dla dwóch benchmarkowych baz danych potwierdzają efektywność proponowanych metod.

A method of diagnostic rule creation is presented in the paper. The rules have fuzzy premises that represent symptoms and a crisp conclusion relevant to the diagnosis. Each rule has an assigned weight that is determined as a value of the basic probability assignment defined in the Dempster-Shafer theory. Having created the rules, there is performed the diagnostic reasoning for a consulted case whose outcomes are values of the Bel belief measure (of the Dempster-Shafer theory) for all diagnostic hypotheses. The hypothesis of the maximal belief is the ultimate conclusion. Membership functions of symptoms and the basic probability assignment are found from the training data. Although the rules are created by means of data, they are understandable for human experts who can interpret and verified them. An individual set of rules is provided for each diagnosis. It results from an original elimination algorithm that is proposed in the paper. The elimination process starts from the complete set of rules and the algorithm indicates rule(s) of the lowest diagnostic significance, which are next deleted. Numerical experiments for two benchmark databases show the properties of the proposed method.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies