Abstract
In order to apply fuzzy logic, two major tasks need to be performed: the derivation of fuzzy rules and the determination
of membership functions. These tasks are often difficult and time-consuming. This paper presents an
algorithmic method for generating membership functions and fuzzy rules applicable to decision-making problems;
the method includes an entropy minimization for clustering analog samples. Membership functions are derived by
partitioning the variables into desired number of fuzzy terms, and fuzzy rules are obtained using minimum entropy
clustering. In the mle derivation process, rule weights are also calculated. Inference and defuzzification for classification
problems are also discussed.
퍼지논리를 적용하기 위해서는 두가지 과제가 이루어져야 하는데 그것은 퍼지룰의 유도와 맴버쉽함수의 결정이다. 이 과제는 어렵고 또한 시간을 요하게 된다. 본 논문에서는 문제에 적용 가능한 멤버쉽함수와 퍼지룰을 자동으로 유도하기 위한 알고리즘적 방법을 제시하고 있다. 이 알고리즘적 방법은 샘플을 구분하는 엔트로피 최소화의 원리에 입각하고 있다. 멤버쉽함수는 샘플을 연속적으로 구분하여 이루어지며 퍼지룰 또한 엔트로피 최소화 원리에 의하여 이루어진다. 퍼지룰의 유도에서는 룰 비중 또한 같이 계산된다. 결정 문제에 적용을 위한 추론법 및 방법도 논의되었다.