Апроксимація реальних даних нечіткими множинами для завдання класифікації

Автор(и)

  • Костянтин Юріович Суханов ДУ “Науковий центр аерокосмічних досліджень Землі ІГН НАН України”, Київ, Україна http://orcid.org/0000-0002-3518-3471

DOI:

https://doi.org/10.36023/ujrs.2019.22.154

Ключові слова:

Нечітка логіка, нечіткі множини, класифікація, розпізнавання образів, апроксимація

Анотація

У статті розглянуто метод класифікації реальних даних з використанням апарату нечітких множин та нечіткої логіки як гнучкого інструменту навчання і розпізнання природних об'єктів на прикладі нафтогазоперспективних ділянок дніпровсько-донецької западини. Реальними даними в даному підході названі значення для функції приналежності, які отримані не в результаті суб'єктивних експертних оцінок, а в результаті об'єктивних вимірів. Запропоновано апроксимувати функціями належності нечітких множин навчальні дані, щоби на етапі визначення невідомих об'єктів використовувати результати апроксимації, які було отримано на етапі навчання. На першому кроці навчання кожній ознаці навчальних даних ставитися у відповідність первинна традиційна одномірна множина, функція належності якої може приймати значення тільки з бінарного набору — 0, якщо навчальний об'єкт не належить множині, і 1, якщо навчальний об'єкт належить множині. На другому кроці навчання первинна множина відображається на нечітку множину, а параметри функції приналежності цієї нечіткої множини визначаються в результаті апроксимації цією функцією приналежності традиційної множини. На третьому кроці сукупність одновимірних нечітких множин, які відповідають окремій ознаці об'єкта, відображається на нечітку множину, яка відповідає всім ознакам об'єкта з набору навчальних даних. Така множина є перетином нечітких множин окремих ознак, до яких на останньому кроці застосовують операції розмиття і концентрування з теорії нечітких множин. Таким чином, функція належності до нечіткій множині класу є операцією вибору мінімального значення з функцій належності нечітких множин окремих ознак об'єктів, які зведені в певну ступінь, яка відповідає операції розмиття або концентрування. Завдання віднесення досліджуваного об'єкта до того чи іншого класу зводиться до порівняння значень функцій належності багатовимірного нечіткої множини і вибору класу, у якого функція належності приймає найбільше значення. Додатково після етапу навчання можна визначити ступінь значущості ознаки об'єкта, яка є індексом нечіткості, щоби вилучити з аналізу несуттєві дані (ознаки об'єкта).

Посилання

L. A. Zadeh. (1965) "Fuzzy sets". Information and Control 8 (3) 338–353.

Dunn, J. C. (1973-01-01). "A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters". Journal of Cybernetics. 3 (3): 32–57. https://doi.org/10.1080/01969727308546046

Robert Fuller. (1995) “Neural Fuzzy Systems”. Åbo Akademis tryckeri, Åbo, ESF Series A:443 [ISBN 951-650-624-0, ISSN 0358-5654]

##submission.downloads##

Опубліковано

2019-09-30

Як цитувати

Суханов, К. Ю. (2019). Апроксимація реальних даних нечіткими множинами для завдання класифікації. Український журнал дистанційного зондування Землі, (22), 22–26. https://doi.org/10.36023/ujrs.2019.22.154

Номер

Розділ

Методи збору, обробки та інтерпретації даних спостереження Землі