EEE 920 - Sistemas Nebulosos

Resumo dos Artigos do

Seminrio 28.Set
Artigo 1
Effect of Rule Weights in Fuzzy Rule-Base
Classification Systems
(Efeito da regra de ponderao em sistemas
de classificao baseados em regras Fuzzy)

Aluno:
Wellington Fazzi Cancian

Prof.:
Andr Paim Lemos

25 Setembro de 2015
Os autores utilizaram um mtodo de lgica Fuzzy baseado em uma regra nica vencedora na
fase de classificao. Esta regra vencedora para um novo padro a regra Fuzzy IF-THEN que
obtiver a nota mxima compatibilidade com o novo padro.

Quando utiliza-se regras Fuzzy IF-THEN com graus de certeza (ou seja, pesos de regras), a
vencedora determinada como sendo o produto mximo do grau de compatibilidade e do grau
de certeza.

A rea de deciso (partio) de cada regra Fuzzy IF-THEN sem grau de certeza sempre
retangular (ou hiper-rectangular) - isto significa que as fronteiras de classificao so sempre
paralelas aos eixos do espao padro

Figura 1 Limites de classificao com 9 regras Fuzzy Figura 2 Limites de classificao depois da modificao
IF-THEN com funes de pertinncia equilibradas. das funes de pertinncia.

Neste sentido, verificamos pela figura 1 que 6 (seis) padres so classificados erroneamente.
Para a melhoria, os limites de classificao podem ser ajustados atravs da modificao das
funes de pertinncia dos valores lingusticos.

A figura 2 apresenta um exemplo em que um ajuste nas funes de pertinncia reflete no limite
de classificao, fazendo com que quase todos os padres sejam classificados corretamente.

Como ainda temos uma rea de deciso retangular, os limites da classificao ainda podem
no apresentar resultados satisfatrios para alguns casos. Para melhor ajuste e como proposta
do artigo, utiliza-se graus de certeza nas regras Fuzzy IF-THEN. O tamanho da rea de deciso
de cada regra determinado pelo seu grau certeza e as funes de pertinncia de seus valores
lingusticos antecedentes. Ou seja, a rea de deciso pode ser ajustada atravs da modificao
do grau de certeza, mesmo se no mudarmos as funes de pertinncia.

2
Em geral, quanto maior o grau de certeza, maior ser a rea a deciso da regra Fuzzy IF-
THEN.

Assim, o ajuste de graus de certeza tem um efeito semelhante sobre os limites de classificao
alterao das funes de pertinncia, conforme apresentado nas figuras abaixo.

Figura 3 Ajuste dos limites de classificao utilizando Figura 4 reas de Deciso para cada regra Fuzzy e
regras Fuzzy IF-THEN com graus de certeza (CF). limites de classificao, utilizando graus de certeza (CF).

A modificao de graus de certeza no muda o significado de cada valor lingustica; ele s

afeta o peso de cada regra Fuzzy IF-THEN na fase de classificao.

O grau de certeza pode ser visto como modificador da funo de pertinncia de cada conjunto
Fuzzy antecedente para um problema dimensional.

Mesmo nessa interpretao, o grau de certeza no muda a posio do conjunto Fuzzy

antecedente (enquanto o antecedente modificado do conjunto Fuzzy no mais normal).

Os autores deixam claro que a escolha entre o aprendizado de funes de pertinncia e da

utilizao de graus de certeza pode depender do problema e das preferncias do usurio.

Como mostrado no trabalho, estes dois regimes (ajustes nas funes de pertinncia e utilizao
de regras de certeza) tm efeitos semelhantes - mas no o mesmo - sobre o ajuste dos limites
de classificao.