Pattern classification on the basis of unnecessary attributes reduction in fuzzy rule-based systems

퍼지규칙 기반 시스템에서 불필요한 속성 감축에 의한 패턴분류

This paper proposed a method that can be simply analyzed instead of the basic general Fuzzy rule that its insufficient characters are cut out. Based on the proposed method. Rough sets are used to eliminate the incomplete attributes included in the rule and also for a classification more precise; the agreement of the membership function's output extracted the maximum attributes. Besides, the proposed method in the simulation shows that in order to verify the validity, compare the max-product result of fuzzy before and after reducing rule hosed on the rice taste data; then, we can see that both the max-product result of fuzzy before and after reducing rule are exactly the same; for a verification more objective, we compared the defuzzificated real number section.

본 논문에서는 퍼지규칙 기반 시스템에서 규칙 내에 포함된 불완전한 속성을 제거하여 보다 간략화 된 규칙으로도 분류할 수 있는 방법을 제안하였다. 제안한 방법에서는 규칙 내에 포함된 불완전한 속성을 제거하기 위해 러프집합을 이용하였고 보다 명확한 분류를 위해 출력부 소속함수의 적합도가 최대인 속성들을 추출하였다. 또한 모의실험에서는 제안된 방법의 타당성을 검증하기 위해 rice taste data를 기반으로 규칙 감축 전 퍼지 max-product 결과와 규칙 감축 후 퍼지 max-product 결과를 비교하였다. 그 결과, 규칙 감축 전 max-product 결과와 규칙 감축 후 max-product 결과가 정확히 일치함을 볼 수 있었고, 보다 객관적인 검증을 위해 비퍼지화 된 실수 구간을 비교하였다.