Введение
Глава I. Элементы теории нечетких множеств
1.1. Теория НМ как один из методов разработки систем искусственного интеллекта
1.2. Другие способы учета неопределенности
1.3. Операции с нечеткими множествами, показатели размытости
1.4. Построение функций принадлежности
нечетких множеств
1.5. Нечеткие отношения и нечеткие графы
1.6. Нечеткие меры меры доверия,
меры возможности и необходимости и их соотношение с вероятностными мерами
1.7. Нечеткие выводы, или моделирование процессов принятия решений.
Глава 2. Преобразование числовых и номинальных при таков многозначных объектов в жачении функций принадлежности объектов к нечетким множествам
2.1. Способ нормализации НМ
многозначных объектов
2.2. Вычисление ФГ1 многозначных объектов к ИМ
по числовому признаку
2.3. Вычисление диапазонов неаддитивных вероятностей Домнет ера значений числового признака многозначных объектов .
2.4. Вычисление ФП многозначных объектов к НМ
по номинальному признаку.
2.5. Вычисление ФП объектов к НМ по числовому признаку при малом числе наблюдений
Глава 3. Способы свертки ИМ для ранжирования много начних м ногомерных объектов н для сравнения ра ногипных признаков по надежности диагностики объектов
3.1. Нечеткая матрица как отображение
исходной ТЭД
3.2. Рискованная стратегия, или экстремальный выбор. .
3.3. Усредненная, или осторожная стратегия выбора .
3.4. Выбор по минимуму коэффициента
нечеткости Кофмаиа.
Глава 4. Диалоюваи программадиагност КГСОГЛ.М
i ii
4.1. Общее описание алгоритма диагностики растения. .
4.2. Примеры результатов диагностики растений гербарных образцов.
Глава 5. Предсказание ошибок в содержании документов
базы данных электронною каталога гербария I
5.1. Постановка задачи. Исходная информация.
5.2. Метод анализа информации и прогноза ошибок. .
5.3. Результаты анализа прогноз ошибок
Заключение
Литература
- Київ+380960830922