بهینه سازی توابع تعلق در الگوریتم دسته بندی فازیMin-Max با استفاده از مینیمم و ماکزیمم الگوهای هر کلاس

یکی از روشهای دسته بندی الگوها روش فازیMin– Max می باشد. عملکرد این روش به این صورت است که برای هر بعد از فضای نمونه ای تعدادی تابع تعلق در نظر می گیرد و با استخراجقوانین از الگوهای شناخته شده موجود، یک سیستم فازی را طراحی می کند که می تواند با استنتاج از قوانین خود کلاس الگوی ناشناخته جدید را تخمین بزند در الگوریتم دسته بندی فازیMin – Max انتخاب درست توابع تعلق، هم می تواند از تعداد قوانین مورد نیاز بکاهد و هم عمل دسته بندی را به صورت مطلوب تری انجام دهد. در این مقاله روشی پیشنهاد شده است که بهبود این مهم را تحقق بخشد. در این روش مقدار مینیمم و ماکزیمم الگوهای هر کلاس در ابعاد مختلف فضای نمونه ای را یافته و عمل تقسیم بندی فضا با توجه به آنها انجام می شود. این عملیات برای زیر فضاهای بدست آمده تکرار می شود و در انتها با توجه به زیر بازه های به دست آمده در هر بعد، توابع تعلق تعریف می شوند

کلیدواژه ها:

دسته بندی فازی ، قوانین فازی ، توابع تعلق ، تقسیم بندی فضای نمونه ای