معرفی ساختار جدیدی از درخت تصمیم و استفاده از آن به همراه کلاسترینگ (FCM) برای تولید قوانین فازی

قوانین فازی، مبتنی بر هر روشی که ایجاد شود، از اهمیت زیادی در پیاده سازی و بهینه سازی سیستم ها برخوردار است.استفاده از دانش بشری در تولید قوانین فازی، اگر چه مزیت خوانایی و نزدیکی به تخصص تجربی دارد، اما در همه سیستم ها قابل پیاده سازی نیست. استفاده از خروجی های یک سیستم که شامل یک سری داده است، از آنجا که بر پایه کارکرد صحیح سیستم ایجاد شده، با درصد زیادی قابل اعتماد است. در مقاله حاضر، با استفاده از خروجی های سیستم و به واسطه تولید یک درخت تصمیم گیری، قوانین فازی استخراج می شوند. در حقیقت پیمایش درخت تصمیم گیری منجر به تولید قوانین شده و این قوانین، فازی و در نهایت بهینه می شوند. درخت تصمیم ارائه شده، در مقایسه با پیاده سازی های پیشین، جدید بوده و به عنوان یک راه حل جدید در کلاسه بندی نیز قابل ارائه است.از جمله مزیت های درخت تصمیم جدید نسبت به C4.5 (که از پرکاربردترین ساختار های تصمیم گیری است)، می توان به قابلیت تصمیم گیری همزمان بر روی بیش از یک ویژگی اشاره کرد، که در C4.5 فراهم نیست. عدم تولید یک جواب مشخص، و بهبود جواب در اثر تکرار الگوریتم نیز، از جمله موفقیتهای ساختار ارائه شده است.

Keywords:

سیستم های فازی , درخت تصمیم , خوشه بندی , FCM , C4.5