ايجاد پايگاه قواعد فازي به كمك بردارهاي پشتيبان

Create a Database of Fuzzy Rules with the Help of Support Vectors

در اين مقاله يك سيستم استخراج قواعد فازي طراحي شده و ايده استفاده از اين روش در طراحي پايگاه قواعد فازي مورد توجه قرار گرفته است. ابتدا ماشين بردار پشتيبان فازي مبتني بر روش خوشه­ بندي طراحي شده است. دراين صورت ماشين بردار پشتيبان عملكرد بهتري در داده‌هاي نويزي يا داده‌هاي خارج از محدوده خواهد داشت و در نتيجه به نظر مي‌رسد كه قواعد استخراج شده از آن، دقت بالاتري داشته‌ باشند. مدل ماشين بردار پشتيبان فازي شبيه ­سازي شده و سپس از بردارهاي پشتيبان آن براي استخراج قواعد فازي استفاده مي ­شود. قواعد استخراج شده، قواعد فازي هستند كه به شكل "اگر-آنگاه" به ­دست مي‌آيند. استخراج قواعد به كمك دو مدل ماشين بردارپشتيبان ساده و ماشين بردار پشتيبان فازي صورت گرفته كه نشان داده خواهد شد كه قواعد استخراج شده از ماشين بردار پشتيبان فازي در اكثر موارد دقت بهتري در طبقه‌بندي نسبت به ماشين بردار پشتيبان معمولي دارند و با توجه به اين موضوع كه تعداد قواعد استخراج شده پارامتر مهمي در صحت عملكرد اين پايگاه محسوب مي‌شود، تعداد قواعد استخراج شده در روش فازي در اكثر موارد كمتر است.

In this paper, a fuzzy rule extraction system is designed and the idea of using this method in designing a fuzzy rule database is considered. First, the fuzzy backup vector machine is designed based on the clustering method. In this case, the backup vector machine will perform better in noise data or out-of-range data, and as a result, the rules extracted from it seem to be more accurate. The fuzzy backup vector machine model is simulated and then its backup vectors are used to derive fuzzy rules. The extracted rules are fuzzy rules that are obtained in the form of "if-then". The rules are extracted using two models of simple support vector machine and fuzzy support vector machine, which will show that the rules extracted from fuzzy backup vector machine in most cases have better accuracy in classification than ordinary backup vector machine. The number of extracted rules is an important parameter in the accuracy of the operation of this database, the number of rules extracted in the fuzzy method is less in most cases.