第27卷第3期 2007年5月 天津商 学 院 学报 Vo1.27 No.3 May 2007 Journal of Ti蛐jin University of Commerce 关于DS算法和NSM算法局限性的 讨论与改进 蘑文广 (天津商学院理学院,天津300134) 摘要:在模糊推理算法中,基于相似度的方法是一种简便而又重要的方法。针对已有的两种相似度及其算法的 局限性,提出了两种改进的相似度及其推理算法,并说明了改进方法的效果。 关键词:专家系统;模糊推理;模糊产生式规则;相似度 中图分类号:0 159 文献标识码:A 文章编号:1001~0262(2007)03-0042—03 言 自从专家系统出现以来,它的知识表示和获取 下脓陛: (1)Js^ (A ,A )=1铮4 =A 不成立。对于一 能力一直被认为是其发展的瓶颈。因此专家系统中 种相似度来说,总希望此式成立。这是因为如果 A ,A )=1时A ≠A ,就会出现一种情况:不同的 的模糊推理算法也吸引了大批研究者的兴趣,一类 S(这是不愿意见到的。 被普遍应用的模糊推理算法是由Zadeh的CRI算法 前件却推出了相同的结果,(2)B =min{1, /(S )},这里S ∈[0, 引出的一系列方法 '2j。然而,尽管这类方法在应用 ∈[0,1],求出的B D_B。这说明此算法的结果 中取得了成功,但是由于其算法复杂且隐含语义不 1],明而遭到质疑 ]。在文献[3]中,Turksen等人提出 一只限于这一种情况。 种基于相似度的模糊推理算法。这种算法简单易 (3)此算法未考虑给定事实的确定性因子,也 懂,更加符合人的思维,而且也得到广泛的应用。之 没有计算结论的可信度。针对上述缺点,将Ds算法做如下改进: 后,在它的基础上,许多研究人员提出了基于不同相 (1)改进的相似度的定义 似度的多种推理算法。其中,Yeung和Tsang 在 此方面做了大量工作,他们先后提出了多种模糊推 理算法,并与已有的算法进行了比较,得到了许多有 价值的结果。 在本文中,讨论了Yeung和Tsang的两种基于 s i『 L S : 如其果A果他 A (4 ) 相似度的推理算法的局限性,并在此基础上进行了 改进,使其具有更合理的结果和更广泛的应用。 (2)改进的推理算法 步骤1计算整体相似度 1 Yeung和Tsang的DS算法和NSM算法 的局限性与改进 在这里,将详细讨论上述两种方法的局限性,并 fSAI(A'i,Ai) 1 60i J 步骤2计算结果 R,一f S 如果A'i CA 且给出改进的两种算法。 【min{1,B/S } 其他 收稿日期:2006—03—13 作者简介:唐文广(198O一),男,山东烟台人,硕士,主要从事模糊统计与模糊推理方面的研究。 维普资讯 http://www.cqvip.com
第3期 唐文广:关于DS算法和NSM算法局限性的讨论与改进 步骤3计算结论的确定性因子 , m 。…in。 [CFF ̄+(CF 一CFF ) 0<S <寺 】 茸。 】 从上述算法中可以看出,此算法较DS算法有 其中S ={ f2 S , 。 I 2 (1一S )寺≤.s ≤1 如下优点: (1)S(A ,A )=1 =A ; (2)计算结果使用了两个调整函数,使结论更 加合理,弥补了DS算法的局限性。 (3)将给定事实的确定性因子考虑在内,并计 算了结论的可信性程度,从而增加了算法的优 越性。 1.2 NSM算法的局限性与改进 由NSM算法,可以看到它有如下缺点: 1)定义中的min(A ,A )和max(A ,A )含义 不明,这里认为应该是M(A nA )和M(A uA )。 2)S(A ,A )=÷ =A 不成立。此结论可 由以下两个模糊集的计算验证:A =(0.3,O。5, 0.7,1,0.6,0.4,0.2)A£=(0.2,0.4,0.6,1,0.7, 0.5,0.3);用此相似度计算有时会出现不合理的 结果。 3)CF。,的计算没有考虑到相似度的影响。 针对上述缺点,将NSM算法做如下改进: (1)改进的相似度的定义 .s (A f,Af)= -+ ) 如果A C_Af或A Af 一 一2 。max(A fUAf) 其他.11U (2)改进的推理算法 步骤1计算整体相似度 S =。m in [S +(.s 一.sAi) 】 其中Wm =max{ 1, :,…, },.s一为 的CF。 步骤2计算结果 B =min{1,B/(2 S )} 步骤3求.s( ) 查表确定 中的模糊修饰词。例如,若算出.s ( B)=0.8,则查表可知B =“very very B”。 步骤4计算结论的确定性因子 CF8,=CFR S 由上述的算法,可以看出它较NSM算法有如下 优点: (1)S(A ,Af)=÷ =A ; (2)保持了原相似度计算合理的结果,将计算 不合理的情形合理化; (3)算法中整体相似度和结论的确定性因子一 致使用权值调整方法,保持算法前后一致; (4)后件确定性因子计算中考虑了相似度的影 响,结果更符合实际。 2两组推理算法的比较 下面在更一般情形下讨论两组算法的结果。限 于篇幅只讨论复合的合取命题的情况。 在这类比较中常用的方法是用四个指标分别与 规则前件匹配,即分别计算.s(A,A),.s(very A,A), S(not A,A),S(more or less A,A)来进行比较。 设规则R:IFA THEN B(CF= )A, 。 例如IF d1 AND d2 THEN B(CF= A1,A2, 1, 0)2 o 情形1:A =(d 1,d :)=A=(d1,d:); 情形2:A =(d 1,d 2)=veyr A=(veyr d1,veyr d:) 情形3:A =(d 1,d 2)=more or less A=(more or less d1,more or less d2) 情形4:A =(d 1,d 2)=not A=(not d1,not d2)。 为了讨论方便假定CF=1, 1= :=1,A1,A: 足够小能使情形1,2,3的规则可执行,对于Ds算 法讨论详见文献[2]。 (1)改进的DS算法 给定事实A =(d 。,d :)=A=(d。,d:),则S = 1,故B =min{1,B/S }=B;如果A =(d 1,d :)= veyr A=(veyr d1,very d2),根据IDS定义,S = 1 S(d j,dj)/2<÷( =1,2),S <1,则B =B S = veyr B;如果A =(d 1,d 2)=more or less A=(more or less d1,more or less d2),讨论同上得S <1,B = 维普资讯 http://www.cqvip.com
・44・ 天 津 商 学 院 学 报 2007生 min{1,B/S }=more or less B。 的局限性,并对其进行了一些改进,通过讨论和验 对于not A的情形,有时候要使规则不被执行 证,得到了改进方法优于原方法的结论。这里所作 而将前件中每个命题都指定一个阈值A ,大大减少 的讨论只是对于一种情形,其他类型的规则的相关 了或是阻止了规则误执行的机会。 结果也可以进行类似讨论。 (2)NSM算法 给定事实A =(d 。,d )=A=(d。,d ),S ,= 5 =寺,故S =寺,B = 2 (1—5 )= 。 参考文献: 如果A =(d 1,d 2)=very A=(veyr d1,veyr [1] Zadeh L A.Outline of a new approach to the analysis of complex d2),根据NSM的定义S >寺或5 <寺(i=1,2), systems and decision processes[J].IEEE Transactions on Systems Man and Cybemetics,1973,3:28—44. 从而S >÷或5 <÷,故B =very B或B =more or [2] Nalanishi H.Turksen I B.Sugeno M.A review and comparison of six reasoning methods[J].Fuzzy Sets and Systems,1993,57: less B。对于not A情形讨论同上。 257—294. (3)改进的NSM算法 [3] Turksen B,Zhao Zhong.An approxinate analogical reasoning ap— 给定事实A =(d 。,d )=A=(d。,d ),则5 ,= proach based on similarity me ̄ums[J],IEEE Trnasactions on Systems Man and Cybemetics,1989,18:1049—1056. 寺( =1,2),从而5 =寺, =B 2 (1一s )= 。 [4] Yeung D S,Tsang E C C.A weighted fuzzy production rule evalu ̄t— tion methods[J].Proceedings of Fou ̄h IEEE International Confer- 如果A =(d l,d 2)=veyr A=(veyr d1,very d2),则 ence on Fuzzy S ̄tems,1995,461—468. 14<5( ,d )< 1( 1,2), 1<S <1 Yeung D S,Tsang E C C.Weighted fuzzy production rules[J]. ,,从而 [5]Fuzzy Sets and Systems,1997,88(3):298—313. =min{1, /(2 S )}=very B。如果A =(d 。, [6] Yeung D S,Tsang E C C.A Comparative study on similarity—based d'2)=m。re。rlessA,则 < 1s <了1s <了1fuzyz reasoning methods[J].IEEE Trnasactions on Sysetms Man ,,,故 and Cybernetics,1997,27(2):216—227. B =min{1,B/2 S。,}=more or less B。对于not A [7] Yeung D S,Tsang E C C.A Multi—level weighted fuzyz reasoning 情形讨论同【=。 lagorithm for expe ̄systems[J].IEEE Transactions on Systems Man and Cybemetics,1998,28(2):149—158. 3结论 在本文中,指出了Yeung和Tsang的两种算法 Discussion and Improvement on the Limitation of DS and NSM Algorithms TANG Wen—guang (School of Science,Tianjin University of commerce,Tianjin 300134,China) Abstract:In the fuzzy reasoning of expe ̄system,similarity—based fuzzy reasoning method is a kind of simple and impor— tant method.This paper indicates the limit ̄ion of two existing similarity measures and their algorithms and proposes two improved similarity measures and enhanced reasoning methods.We give several examples to show the superiority of these two new algorithms. Key words:expert system;fuzzy reasoning;fuzzy production rule;similarity measure (责任编辑高俊丽)
因篇幅问题不能全部显示,请点此查看更多更全内容
Copyright © 2019- efsc.cn 版权所有 赣ICP备2024042792号-1
违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务