Введение. 
Проектирование нечеткого классификатора, основанного на логическом выводе

Задача классификации является важной проблемой в различных областях знаний. Существует огромное количество исследований в этой области, приведших к большому разнообразию методов, которые все больше и больше применяются на практике.

Процесс разбиения объектов заданного множества на группы близких в некотором смысле, называется кластеризацией. Данное понятие тесно связанно с понятием классификации. Если известно количество групп, которые образуют разбиение, то кластеризация называется классификацией в широком смысле. Под классификацией в узком смысле понимается процедура отнесения заданного объекта к какой-либо группе.

Исследование методов классификации/кластеризации, основанных на знаниях, полученных от экспертов, в комбинации с наблюдаемыми данными, является перспективным направлением для решения подобных задач. Неотъемлемой частью экспертных систем, предназначенных для классификации/кластеризации, является база знаний. Необходимо отметить, что формирование базы знаний — чрезвычайно сложная проблема, поскольку необходимые и достаточные для решения данной задачи навыки приобретаются в процессе проектирования системы.

Нечеткие экспертные системы для поддержки принятия решений находят широкое применение в медицине и экономике. В настоящее время появляются пакеты программ для построения нечетких экспертных систем. Они применяются в автомобильной, аэрокосмической и транспортной промышленности, в области изделий бытовой техники, в сфере финансов, анализа и принятия управленческих решений и многих других.

В приложениях нечетких систем одной из важнейших задач является нахождение оптимального набора правил. Он может быть получен с помощью эксперта или априорным лингвистическим описанием моделируемой системы. Тем не менее, если ни эксперт, ни лингвистическое описание системы не доступны, оптимальный набор правил строится на основе численных данных. Природа подсказала нам алгоритмы оптимизации, применимые к нелинейным, многомерным и непрерывным задачам — эволюционные алгоритмы. Частным случаем эволюционных алгоритмов является генетический алгоритм — это алгоритм, который позволяет найти удовлетворительное решение к аналитически неразрешимым проблемам через последовательный подбор и комбинирование искомых параметров с использованием механизмов, напоминающих биологическую эволюцию.

Целью работы является проектирование нечеткого классификатора, основанного на логическом выводе, разработка соответствующего программного обеспечения и проведение вычислительного эксперимента.