ارائه روشی مبتنی بر تکنیک های دسته بندی و منطق فازی جهت مدل سازی داده ها

مغز انسان اطلاعات غیردقیق و ناکامل فراهم آمده از طریق اندام های حسی را تفسیر می کند. تئوری مجموعه های فازی یک روش نظام مند محاسباتی برای بحث در مورد اطلاعات زبان شناختی فراهم می آورد. این تئوری بر مبنای محاسبات عددی بر روی مقادیر تولیده شده توسط تابع عضویت برای هر یک از متغیرهای زبان شناختی عمل می نماید. در این پایان نامه روشی جهت مدل سازی داده ها با کمک سیستم های فازی پیشنهاد شده است. روش پیشنهادی در سه فاز طراحی و پیاده سازی می شود. فاز اول: خلاصه سازی داده ها به کمک الگوریتم کلاسترینگ تفاضلی. فاز دوم: ایجاد مدل اولیه با استفاده از FIS (سیستم استنتاج فازی) به عنوان پیش پردازش. فاز سوم: بهینه سازی مدل به کمک ANFIS (سیستم استنتاج فازی- عصبی). روش پیشنهادی بر روی چهار مجموعه داده استاندارد تست شده است و نتایج حاصل با نتایج روش های شبکه عصبی و درخت رگرسیون مقایسه گردیده است. مقایسه نتایج نشان از مدلسازی دقیق تر سیستم پیشنهادی در مقایسه با دو روش دیگر دارد.

کلیدواژه ها:

سیستم استنتاج فازی ، Anfis ، میانگین مربعات خطا