Модуль принятия решений по ишемическому риску на основе нечеткого логического вывода

Данный решающий модуль строится на основе экспертных знаний. Однако, на его входах присутствуют независимые переменные, полученные в результате постпроцессинговой обработки “сырых” данных, что требует использовать при его синтезе приемов, характерных для обучаемых классификаторов.

За основу построения модуля нечеткого логического вывода (МНЛВ) взята схема Шортлиффа, описанная в [88]. Основу этой модели составляют ПП типа где if, then, with- ключевые слова-разделители; Антецедент - формула, построенная из факторов или гипотез с помощью операций конъюнкции, дизъюнкции или отрицания при этом операнды в этой формуле лежат в диапазоне 0.. .1; конструкция «Гипотеза with CF» - консеквент ПП R; Гипотеза ПП R - одна из гипотез решающего модуля; CF- коэффициент уверенности ПП R.

Так как на входе МНЛВ всего лишь три лингвистических переменных, которые могут принимают только три нечетких значения, то в базе решающих

правил в этом случае может находиться не более 27 ПП. Если число термов больше трех (см. рисунок 3.2), то число ИП в базе может увеличиваться.

Так как в моделях принятия решений, формирующих Ky_i,могут отсутствовать некоторые информативные признаки ввиду их недоступности в настоящий момент, то в зависимости от их комплектности фуззификаторы и ПП могут быть модифицированы.

В модели Шортлиффа набор операций и отношений над операциями фиксирован (операции осуществляются только над двумя операндами):

Косвенные признаки только подтверждают, но не опровергают гипотезу о принадлежности латентной переменной к нечеткому интервалу. Поэтому они последовательно включаются в ПП в произвольном порядке. Коэффициенты уверенности ПП оцениваются экспериментально.

На рисунке 3.6 представлена схема обработки i-го ПП. Схема состоит из четырех секторов. В секторе А вычисляется антецедент i-го ПП.

В секторе В сравнивается по А данным результат с пороговым значением. Пороговое значение подбирается эмпирически в каждом подмножестве косвенных признаков и зависит от максимального значения функции принадлежности латентной переменной по данному подмножеству к данному терму нечеткой шкалы. Если результат меньше порогового, то данное ПП не участвует в формировании итогового коэффициента уверенности данного «сильного» классификатора, то есть не приводит к изменению гипотезы H_ωf. Если результат больше порогового, то его нормируют (взвешивают) в секторе С в соответствии с коэффициентом уверенности этого ПП посредством операции tms. В секторе Dпринимают гипотезу H_ωfв соответствии с (i + 1)-м ПП посредством формулы (3.7).

Рисунок 3.6 - Обработка i-го продукционного правила

На рисунке 3.7 представлена схема алгоритма работы МНЛВ, осуществляется ввод количества правил продукции, хранящегося в базе решающих правил для гипотезы H_e·

Рисунок 3.7 - Схема алгоритма работы модуля нечёткого логического вывода

В блоке 1 осуществляется подготовка итерационного процесса накопления свидетелей в пользу гипотезы H_ωl.

В блоке 4 организуется цикл просмотра правил продукции для гипотезы H_a∣>· Блок 5 осуществляет ввод текущего ПП, а в блоке 6 осуществляется проверка принадлежности этого ПП гипотезе H_arf·

В блоке 7 вычисляется антецедент ПП согласно (3.5), в блоке 8 ПП активируется в зависимости от результата сравнения с порогом. Если решающее правило активировано, то осуществляется взвешивание его антецедента в блоке 9 в зависимости от его коэффициента уверенности H.. В блоке 10 осуществляется вычисление текущего значения коэффициента уверенности в гипотезе, а в блоке 11 выводится окончательное значение коэффициента уверенности по МНЛВ классификатору.

3.4