Методы и инструментальные средства построения самообучающихся систем, основанных на нечетких правилах

Проведены работы по созданию методов и алгоритмов построения нечетких систем в пакетном и потоковом режимах, в режимах обучения с учителем (supervised) и в режиме частичного обучения (semi-supervised): формирование входного пространства признаков; генерация базы нечетких правил; оптимизация параметров антецедентов нечетких правил; оптимизация параметров консеквентов правил.Разработаны: алгоритмы формирования входного пространства признаков, основанные на бинарных методах оптимизации («кукушкин поиск», гармонический поиск, гравитационный алгоритм); рекуррентный адаптивный алгоритм нечеткой кластеризации с евклидовой метрикой и инициализацией в пакетном режиме; рекуррентный адаптивный алгоритм нечеткой кластеризации Густафсона – Кесселя c инициализацией в пакетном режиме; алгоритм «кукушкин поиск» для оптимизации параметров антецедентов нечеткого классификатора в пакетном режиме; алгоритм дифференциальной эволюции для оптимизации параметров антецедентов нечеткого классификатора в пакетном режиме; гравитационный алгоритм оптимизации параметров антецедентов нечеткого классификатора и аппроксиматора в пакетном режиме; алгоритм «сорняков» для оптимизации параметров антецедентов нечеткого классификатора в пакетном режиме; алгоритм «минного взрыва» для оптимизации параметров антецедентов нечеткого классификатора в пакетном режиме; алгоритм построения нечеткого классификатора типа Ангелова – Ягера в потоковом режиме. Все алгоритмы протестированы на реальных и синтетических данных, проведено сравнение с алгоритмами-аналогами. Реализован и исследован робастный рекуррентный метод наименьших квадратов для нечеткого аппроксиматора.