Компьютерное обеспечение и вычислительная техника КОМПЬЮТЕРНОЕ ОБЕСПЕЧЕНИЕ И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА УДК 004.896 Е. С. Макарова ИССЛЕДОВАНИЕ ВЛИЯНИЯ ПАРАМЕТРОВ НЕЧЕТКОЙ МОДЕЛИ НА ТОЧНОСТЬ КЛАССИФИКАЦИИ ПРЕЦЕДЕНТОВ Метод рассуждений на основе прецедентов (Case-Based Reasoning, CBR) используется для представления знаний в социально-экономических системах. <...> Рассматривается гибридная модель представления знаний на основе интеграции метода рассуждений на основе прецедентов и нечеткой логики. <...> Рассмотрен алгоритм формирования нечетких правил, где каждая входная лингвистическая переменная может принимать 3, 5 или 7 терм-значений, описываемых треугольными функциями принадлежности. <...> Предлагается новая процедура аккумуляции заключений конкурирующих правил, полученных в результате логического вывода. <...> Исследуется точность классификации полученной гибридной модели на разных наборах данных и с различным набором функций принадлежности. <...> Результаты исследований позволяют утверждать, что разработанный метод машинного обучения на основе нечеткого вывода существенно повышает точность классификации прецедентов. <...> Ключевые слова: прецедентный подход, прецедент, нечеткая логика, нечеткое множество, нечеткие правила, логический вывод, база знаний, процедура аккумуляции. <...> Метод рассуждений на основе прецедентов (Case-Based Reasoning, CBR) – метод, в котором новые задачи решаются путем адаптации ранее решенных аналогичных проблем. <...> В [20, 21] исследовались преимущества применения систем на основе темпоральных прецедентов для поддержки принятия решений в динамических предметных областях в условиях наличия неопределенности в исходных данных и достаточно жестких временных ограничений. <...> Основные достоинства прецедентных систем – легкость их реализации, относительная простота, не требуется также знание явной модели предметной области. <...> Показана приемлемая точность классификации прецедентов даже для малой обучающей выборки <...>