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

Разработаны: методы и алгоритмы инициализации нечетких систем; алгоритмы формирования входного пространства признаков для обучения нечетких систем; методы и алгоритмы эволюционного изменения структуры нечетких систем; методы и алгоритмы эволюционного изменения антецедентов (ЕСЛИ-частей правил) и консеквентов (ТО-частей правил) нечетких систем; программно-инструментальный комплекс, реализующий предложенные методы и алгоритмы. Полученные результаты: алгоритм формирования входного пространства признаков, основанный на дискретном методе оптимизации «минный взрыв»; метод динамического разбиения входного пространства для генерации базы правил нечеткого аппроксиматора; метод кусочно-линейной инициализации для генерации базы правил нечеткого аппроксиматора; алгоритм «кукушкин поиск» для оптимизации параметров антецедентов нечеткого аппроксиматора; алгоритм «сорняков» в пакетном режиме для оптимизации параметров антецедентов нечеткого аппроксиматора; алгоритм «минный взрыв» для оптимизации параметров антецедентов нечеткого аппроксиматора; алгоритм настройки параметров аппроксиматора потоковых данных типа Ангелова - Ягера; алгоритмы формирования входного пространства признаков, основанные на дискретных методах оптимизации («кукушкин поиск», гармонический поиск, гравитационный алгоритм); алгоритм «кукушкин поиск» для оптимизации параметров антецедентов нечеткого классификатора; алгоритм дифференциальной эволюции для оптимизации параметров антецедентов нечеткого классификатора; гравитационный алгоритм оптимизации параметров антецедентов нечеткого классификатора и аппроксиматора; алгоритм «сорняков» для оптимизации параметров антецедентов нечеткого классификатора; алгоритм «минного взрыва» для оптимизации параметров антецедентов нечеткого классификатора; алгоритм построения классификатора потоковых данных типа Ангелова - Ягера; метод бинарной оптимизации на основе популяционного случайного поиска с памятью; алгоритм формирования входного пространства признаков на основе популяционного случайного поиска с памятью; алгоритм формирования входного пространства признаков, основанный на дискретном сорняковом методе оптимизации; алгоритм выбора параметра субтрактивной кластеризации по значениям статистических параметров входного потока; алгоритм построения ансамблей нечетких классификаторов, основанный на вычислении степени принадлежности экземпляров данных соответствующим классам.