Структурно - функциональная модель принятия решений для дублирующих решениях и ассоциативном выборе

Для принятия решений по ишемическому риску (ИР) в разделе 2 были предложены и исследованы три гетерогенных модели принятия решений, построенные в различных сегментах информативных признаков.

Этап дефуззификации, то есть преобразования нечетких коэффициентов уверенности Ky_iв четкие номера классов Yв большинстве распространенных систем реализуется с использованием критерия нечёткого «или»

Однако в ходе исследований было выяснено, что применительно к задаче прогнозирования ишемических рисков данный подход обладает существенными недостатками. Наиболее существенным недостатком является тот факт, что при использовании данного принципа не учитывается величина разности между полученными коэффициентами уверенности для разных классов. На основании указанных фактов для повышения точности прогнозирования ИБС было принято

решение использовать метод дублирования принятия решений с ассоциативным выбором. Сущность предлагаемого метода состоит в том, что решение принимается на основе анализа решений двух независимых экспертов- классификаторов, построенных на основе парадигм нейросетевого моделирования и нечеткого логического вывода. Структурно функциональная схема модели принятия решений по прогнозу рецидива ИБС представлена на рисунке 3.1.

Метод принятия решений, реализуемый представленной моделью, отличается тем, что анализ классификаторов нижнего иерархического уровня осуществляется посредством двух каналов, реализованных: на нейросетевой модели и посредством блока нечеткого логического вывода (БНЛВ). Эти решения поступают на схему квазинечёткого “ИЛИ”, посредством которой выбирается наиболее подходящее решение.

«Решение1» принимает обучаемая НС. На ее входы подаются девять лингвистических переменных, поступающих с трех фуззификаторов. Фуззификаторы преобразуют четкие числа триады {КУ1, КУ2, КУ3} в соответствующие термы лингвистических переменных. В данном модуле используются три лингвистические переменные: Min, Med, Max. Значение этих лингвистических переменных определяется по функциям принадлежности, пример которых представлен на рисунке 3.2.

Построив фуззификаторы для трех моделей, настраиваем нейронную сеть NET на обучающей выборки, представленной множеством X = X1 и X 2 и X 3.

Параллельно определяется «Решение2». Принцип прогнозирования риска в нём основывается на схеме Шортлиффа [88].

Выбор из этих двух решений осуществляется посредством блока управления бустингом (БУБ), который управляет мультиплексором (квазинечётким «ИЛИ»), подключающим к выходу «Решение» выход NET или выход БНЛВ.

74

Рисунок 3.1. — Структурно-функциональная схема модели принятия решений по прогнозу ишемического риска

Рисунок 3.2. - Функции принадлежности для лингвистических переменных для коэффициента уверенности ζ-ой модели

Таким образом, метод принятия решения заключается в определении трех коэффициентов уверенности, полученных посредством трех моделей принятия решения, реализованных АИА нижнего иерархического уровня (рисунок 2.2), фуззификации этих коэффициентов и получении двух агрегированных решений на основе выходов анализа фуззификаторов.

Схема алгоритма принятия решений с ассоциативным выбором дублирующих каналов представлена на рисунке 3.3. В блоке 1 вычисляются коэффициенты уверенности по признаковым пространствам Х1, Х2, Х3, способы формирования которых рассмотрены в подразделе 2.1. В блоке 2 реализуются математические модели, согласно которым вычисляются коэффициенты уверенности КУ1, КУ2 и КУ3, синтез которых рассмотрен в подразделах 2.2, 2.3 и 2.4. После выполнения этих процедур ЛПР оценивает значения КУ1, КУ2 и КУ3 и

из базы фуззификаторов и базы нейросетевых моделей формирует

каналы

«Решение 1» и «Решение 2».

Рисунок 3.3 - Схема алгоритма принятия решений с ассоциативным выбором дублирующих каналов

После построения дублирующих каналов осуществляется фуззификация элементов множества {КУ1, КУ2, КУ3}. Согласно примеру на рисунке 3.2(в примере используются только три терма) (блок 5). В блоках 6 и 7 получают решения в дублирующих каналах, в блоке 8 выбирается предпочтительное решение на основе ассоциативного выбора в блоке БУБ (рисунок 3.1), которое выдаётся ЛПР в блоке 9.

3.2