Elektroniski sagatavots arī Vidzemes Augstskolas 4. Studentu

174 175Nozīmīgo atribūtu un piederības funkciju meklēšanas (NAPFM) algoritmsNAPFM algoritma darbība saistīta ar trim posmiem: I. Nozīmīgo atribūtu meklēšanu; II. Sākumapiederības funkciju meklēšanu un III. Lēmumu likumu iegūšanu.Pieņemsim, eksemplāru nokrīt atribūta intervālā , tad piederības funkcijaspunkts intervālam, ir vidējā vērtība no eksemplāriem, kuri nokrīt dotajā intervālā, un to aprēķina:I Nozīmīgo atribūtu meklēšana.Sakārto apmācības eksemplāru katra atribūtavērtības augošā secībā.Katrai piederības funkcijai atrast punktus un pēc formulām: .Katrai atribūta vērtībaisaskaita, cik daudz eksemplāru pieder katrai klasei.Saskaita, cik daudz eksemplāru (pie atribūta ) vērtības pieder tikai vienai klasei.Izskaitļo katram atribūtam derīguma pakāpi (fitness degree) izmantojot , kas ir apmācībaselementu kopējais skaits.Sakārto atribūtus augošā secībā pēc derīguma pakāpes vērtībām. Izvēlas nozīmīgākos atribūtus pēcprocedūras, kur tiek izvēlēts pats nozīmīgākais atribūts un pārbaudīta tā derīguma pakāpe, ja atribūtaderīguma pakāpe ir lielāka vai vienāda ar 0,9, tad procedūra savu darbu beidz, pretējā gadījumā tiekmeklēta divu nozīmīgāko atribūtu kombinācija un to piederības pakāpju reizinājums tiek salīdzināts aruzdoto sākuma slieksni . Ja arī divu atribūtu piederības pakāpju reizinājums neapmierina uzdotonosacījumu, tiek pievienots nākamais atribūts (Gasparovica, Aleksejeva, 2009).III Lēmumu likumu iegūšanaKonstruē sākuma lēmumu bāzi. Katra dimensija atspoguļo nozīmīgu atribūtu.Vienkāršo sākotnējā lēmuma bāzi ar mērķi apvienot un likvidēt nevajadzīgās šūnas.Pārkonstruē piederības funkcijas un izrēķina jaunos intervālus.Šajā solī, iegūst izplūdušos JA-TAD likumus no lēmumu bāzes. Katra ailīte lēmumu bāzē,kurai pieder noteikta klase, tiek izmatota, lai sastādītu likumu:Lai pārbaudītu iegūto lēmumu bāzi, nepieciešams izmantot testa kopas datus (Hong, Chen, 1999).II Sākuma piederības funkciju meklēšanaAtrod sākotnējo grupas skaitu katram nozīmīgākam atribūtam: .Katram nozīmīgajam atribūtam atrod diapazonu .Katram nozīmīgajam atribūtam atrod grupas intervāluPētījuma metodeDarbā tiek izmantotas datu ieguves, matemātiskās loģikas, informācijas teorijas metodes, izplūdusīloģika, kā arī modulāro likumu iegūšanas pieeja un automātiska piederības funkciju konstruēšana. Laipārbaudītu un salīdzinātu dažādos algoritmus - nepieciešams izmantot dažādas reālas datu kopas. NoKalifornijas universitātes datu repozitorijā pieejamajām (Asuncion, Newman, 2007) datiem, tika atlasītasčetras datu kopas, kas atbilst pētījumos nepieciešamajiem kritērijiem (Gasparovica, Aleksejeva, 2010).Sīkāks izmantojamo datu kopu apkopojums redzams 1.tabulā.Nosaka iespējamu minimālu nozīmīgāatribūta vērtību. To aprēķina, lai nodrošinātu precīzākuiedalījumu intervālos: .Sadala atrasto diapazonu grupās, tā, lai -tā grupa sāktos ar šādu vērtību -un beigtos ar , kur .Atrod punktu katrai piederības funkcijai. Izmanto trijstūra (triangular) piederības funkciju, laiprecizētu katra intervāla izplūdumu (fuzzyness). Šī piederības funkcija tiek definēta ar trim vērtībām.Vidzemes Augstskolas 4.Studentu pētniecisko darbu konferences rakstu krājumsVidzemes Augstskolas 4.Studentu pētniecisko darbu konferences rakstu krājums