Построение системы поддержки принятия решений на основе нечетких данных

Abstract

Разработка инструментария оценки принимаемых решений является актуальной и востребованной задачей на современном этапе развития информационных технологий. Таким инструментарием являются, например, системы поддержки принятия решений (СППР). В работе предлагается математический аппарат построения СППР. Построение СППР предполагает анализ имеющихся результатов наблюдений или измерений и выработкустратегии проверок исходных параметров в виде дерева нечетких решений или продукционных правил. Основу предлагаемого аппарата составляют суммарные информационные оценки (информация и энтропия) для нечетких наборов данных. Использование нечетких данных наиболее полно соответствует человеческой природе, поскольку на практике люди часто применяют субъективные ощущения и априорные знания, чем точные вероятностные критерии. Поэтому, используя нечеткую логику и рассматривая степень возможности как нечеткую меру, эксперты имеют возможность описывать реальные данные с достаточной точностью. Исследована взаимосвязь предложенных суммарных информационных оценок. В работе приведены примеры, демонстрирующие использование предлагаемого математического аппарата на практической задаче. В дальнейшей работе, авторы планируют привести результаты экспериментальных исследований предлагаемого подхода и его сопоставление с иными известными методами и алгоритмами. Указанное сопоставление представляется для широкого круга формализованных данных, хранящихся в известном репозитории UCI Machine Learning Repository. В качестве сопоставляемых методов и алгоритмов планируется выбрать иные алгоритмы построения деревьев нечетких решений, алгоритмы Байесовской классификации, построения деревьев решений C4.5, CART и метод ближайших соседей.The implementation of tools for assessing decisions making is an urgent and demanded task at the current stage of information technology development. Decision-making support systems (DMSS) are perspective tools for it. The paper proposes a mathematical tool for construction a DMSS. DMSS construction involves the analysis of the available observation or measurement results and the development of a strategy for checking the initial parameters in the form ofa fuzzy decision tree or production rules. The proposed tool is based on cumulative information estimates (information and entropy) for fuzzy data sets. The use of fuzzy data is a most fully consistent with human nature. It can be explained, that in practice people often use subjective sensations and a priori knowledge than precise probabilistic criteria. Therefore, using fuzzy logic andconsidering the degree of possibility as a fuzzy measure, experts are able to describe real data with sufficient accuracy. The relationship of the proposed total information estimates is investigated in the paper. The paper provides examples which demonstrating the practical application of the proposed mathematical tool. The authors plan to present the results of experimental investigations of the proposed approach and its comparison with other known methods and algorithms in a next work. These results will be obtained on a widerange of formalized data stored in the well-known UCI Machine Learning Repository. As compared methods and algorithms, we are going to choose algorithms for constructing fuzzy decision trees based on Luca de Termini entropy, Naive-Bayesian classification, algorithms for decision trees induction - C4.5, CART and the method of nearest neighbours.