Processus de défuzzification des ensembles flous dans le SGBDR

Question

J'ai une table qui stocke toutes les valeurs..par exemple x1, x2, x3 qui détermine les ensembles flous. Le degré d'appartenance est attribué à chacun à l'aide de fonctions mathématiques pour Bas, Moyen et Haut.

Ma règle 1 stipule que si x1 est élevé ET x2 est moyen, la probabilité de sortie est z. Je prends ensuite min {x1, x2} pour évaluer la règle. La règle 2 stipule que si x2 est élevé OU x3 est moyen, la sortie est max {x2, x3}.

Maintenant, pour décomposer, je prends l’agrégation des conséquences de règles pour connaître le résultat des 2 règles. J'ai tous les degrés d'appartenance définis (0 à 1) pour x1 x2 x3 pour chaque règle.

Comment est-ce que je défuzzifie?

Answer 1

D'accord, tout d'abord, utilisez-vous une logique probabiliste ou une logique floue? Bien que semblables, ils ne sont pas identiques. Si vous modélisez vraiment les probabilités ici, vous devez alors examiner cela via le théorème de Bayes en tant que probabilité conditionnelle.

Si ce sont vraiment des valeurs floues , vous devez disposer d'un modèle de set-membership, que nous devons connaître.