Приклад використання нечіткої бази знань для визначення діагнозу хворого

Розглянемо приклад визначення згідно до наведеного алгоритму діагнозу конкретного хворого. Для цього необхідно виконати процедуру класифікації, тобто віднесення об’єкту В до одного з класів b₁, b₂, …, b_m з урахуванням його властивостей (або параметру стану) х₁, х₂,..., х_n.

Автоматичним класифікатором називається програмно-апаратний комплекс, який здатний самостійно розв’язувати конкретну задачу класифікації.

Настройкою автоматичного класифікатора називається процес пошуку таких його параметрів, які забезпечують найменший відсоток помилок при класифікації.

Рисунок 1 – Блок схема класифікації

Розглянемо систему нечіткого логічного виведення Сугено. Система нечіткого логічного виведення називається системою типу Сугено, якщо при відомій базі (1.5) знань вектору Х^*={ } фіксованих значень факторів впливу ставиться у відповідність значення вихідної змінної у^*, яке розраховується за формулою:

, (1.6)

де ; ;

defuz – операція дефаззіфікації нечіткої множини [2].

Особливістю виведення за Сугено є об’єднання лінгвістичної оцінки вхідних факторів з лінійною моделлю “вхід-вихід”. Таке об’єднання стало можливим завдяки специфічній базі знань:

(1.5)

де – коефіцієнт лінійної регресії ().

Для розрахунку по формулі (2.37) необхідно мати функції належності змінних нечітким термам.

Для параметрів функції належності скористаємось простою і зручною для настроювання аналітичною моделлю функції належності змінної x довільному нечіткому терму Т у вигляді:

де b і c - параметри настройки: b - координата максимуму функції, ; c - коефіцієнт концентрації - розтягнення функції. Для нечіткого терму число b подає найбільш можливе значення змінної .

Побудуємо, просту матрицю знань, скориставшись наявними історіями хвороб минулого періоду.

1. Визначимо множину можливих діагнозів: d1 – захворювання легкого ступеня важкості; d2 – захворювання середнього ступеня важкості; d3 – захворювання високого ступеня важкості.

2. Визначимо параметри стану хворого, на основі аналізу яких встановлюється діагноз: a – вік хворого;

b – подвійний добуток пульсу на артеріальний тиск; c – толерантність до фізичного навантаження;

d – максимальне споживання кисню на один кілограм маси тіла хворого; e – коефіцієнт співвідношення вмісту молочної та піровиноградної кислоти.

3. Зберемо експериментальні дані з історій хвороб:

1. Побудуємо терм-множини, які відповідають параметрам стану хворого, для чого:

a. Визначимо з таблиці діапазони зміни значень параметрів для a – [31, 57]; для b – [202, 405];

для c – [130, 1200]; для d –[12.5, 40.9]; для e –[3.9, 22.8].

б. Визначимо потужність терм-множин для кожної змінної: а – “вік хворого”: молодий, середній, зрілий, старий; b – “подвійний добуток пульсу на артеріальний тиск”: низький, нижче середнього, середній, висо­кий; c – “толерантність до фізичного навантаження”: низька, нижче середньої, середня, вище середньої, висока; d – “максимальне споживання кисню на один кілограм маси тіла хворого”: низьке, середнє, вище середнього, високе; е – “коефіцієнт співвідношення вмісту молочної та піровиноградної кислот”: низький, нижче середнього, середній, високий.

в. Розподіл термів на базовій шкалі здійснюємо згідно загальних теоретичних положень та областей скупчення експериментальних даних: a [0-35; 35-45; 45-54; 54-57]; b [150-190; 190-270; 270-370; 370-400]; c [100-210: 210-510; 510-790; 790-1070; 1070-1200]; d [0-16; 16-27; 27-36; 36-41]; e [0-7; 7-14; 14-20; 20-23].

5. На основі отриманих даних будуємо базу знань:

1. Нехай невідомому хворому відповідають наступні кількісні значення параметрів:

По базі знань

складаємо логічні рівняння:

(5.1)

(5.2)

(5.3)

(5.4)

(5.5)

(5.6)

2. Значення цих функцій належностей при фіксованих значеннях параметрів:

; ; ; ; ; ;

; ; ; ; ;

; ; ; .

3. Підставляємо значення функцій належностей в рівняння (5.1) – (5.6) і знаходимо:

1 1 1 1 0.7 1 0.45

1 1 1 0 0.3 1 0.45 = 0.45

= 0.1 1 1 1 0.7 1 0.45

0.1 0.2 0.2 0.2 0.7 1 0.5 = 0.1

=0 0 0.2 1 0.7 0 0.5

0 0.2 0.2 0.2 0 0 0.5 = 0

0 0 0 0.2 0 0 0.5

0 0.2 0.2 0.2 0 0.1 0.45 = 0

0 0 0 1 0.7 0 0.5

0 0 0 0 0 0 0 = 0

0 0 0.2 1 0 0 0

0 0 0 0.1 0 0 0 = 0

Дата добавления: 2015-07-13; Просмотров: 222; Нарушение авторских прав?; Мы поможем в написании вашей работы!