Utilizando funções de (pré)-agregacão derivadas da integral de Choquet em sistemas de classificação baseados em regras fuzzy

Abstract

O objetivo deste trabalho é propor o uso de funções de (pré)-agregação derivados da integral de Choquet, para utilização em conjuntos de Sistemas de Classificação baseados em Regras Fuzzy, cuja tomada de decisão final pode ou não ser dada por funções de penalidade. Primeiramente, foi introduzido um método para criar medidas de confiança e suporte baseado em índices de overlap, que geralmente são usados para avaliar o grau de certeza ou interesse de uma determinada regra de associação. Estes índices de overlap são construídos a partir de funções de overlap, que são um tipo especial de funções de agregação, não necessariamente associativas, que servem para aplicações relacionadas aos problemas de sobreposição de conjuntos. Esta dissertação apresenta um novo Mecanismo de Raciocínio Fuzzy para ser usado em sistemas de classificação baseados em regras fuzzy considerando diferentes índices de overlap, que generaliza os métodos clássicos. Ao considerar vários índices de overlap e as funções de pré-agregação baseada na integral de Choquet para a tomada de decisão obtém-se a seleção da melhor classe, sem utilizar funções de penalidade. Por fim, é apresentado um exemplo detalhado de uma geração de conjuntos baseados em regras fuzzy e a seleção da melhor classe com base na abordagem proposta.

The purpose of this work is to offer the use of (pre)-aggregation functions derived from the Choquet integral, for use in Classification Systems based on Fuzzy Rules, whose final decision may or may not be given by penalty functions. Firstly, a method was introduced to create trust and support measures based on overlap indexes, which are generally used to evaluate the degree of certainty or interest of a given association rule. These overlap indices are built from overlap functions, which are a special type of aggregation functions, not necessarily associative, that serve for applications related to set overlapping problems. This dissertation presents a new Fuzzy Reasoning Mechanism to be used in classification systems based on fuzzy rules considering different indexes of overlap, which generalizes the classical methods. Considering several indexes of overlap and the pre-aggregation functions based on the Choquet integral for decision making, one obtains the best class selection without using penalty functions. Finally, a detailed example of a generation of sets based on fuzzy rules and the selection of the best class based on the proposed approach is presented.