A new method for inducing a set of interpretable fuzzy partitions and fuzzy inference systems from data
Une nouvelle méthode d'induction de partitions floues interprétables et de systèmes d'inférence floue à partir de données
Résumé
To improve the interpretability of a fuzzy rule base generated from data, three conditions are necessary: semantic integrity must be respected, the number of rules should be small, and incomplete rules have to be handled. An incomplete rule is a rule defined only by a few variables. The presence of incomplete rules reflects the fact that all the variables do not have the same importance for all rules. We propose a new method for learning a fuzzy rule base. A hierarchy of fuzzy partitions is generated for each input variable, based on a special metric suitable for fuzzy partitioning, before being used in building fuzzy inference systems of increasing complexity. Then the rule base is simplified. We introduce an intermediate selection level represented by a group of rules. The simplification tolerates some loss of accuracy while being guided by indices complementary to the usual numerical performance index.The proposed approach is applied to a rice quality evaluation problem.
Nous proposons une méthode d'apprentissage d'une base de règles. Une hiérarchie de partitions floues est générée pour chaque variable d'entrée, basée sur une métrique adaptée au partitionnement flou, avant d'être utilisée par un algorithme qui construit des sytèmes d'inférence floue de complexité croissante. Puis, la base de règles est simplifiée. Nous introduisons un niveau de selection intermédiaire représenté par un groupe de règles. La simplification tolère une perte de performance, elle est guidée par des indices complémentaires de l'habituel indice de performance numérique. L'approche proposée est appliquée à un problème d'évaluation de la qualité du riz.