Розробка системи обробки нечіткої експертної інформації

Заголовок (російською):

Разработка системы обработки нечеткой экспертной информации

Заголовок (англійською):

Develop a system processing fuzzy expert information

Автор(и):

Н.Е. Кондрук

Автор(и) (англ):

Kondruk N.E.

Ключові слова (укр):

нечітка експертна інформація, колективна оцінка, нечітка множина

Ключові слова (рус):

нечеткая экспертная информация, коллективная оценка, нечеткое множество

Ключові слова (англ):

fuzzy expert information, collective evaluation, fuzzy set

Анотація (укр):

Розвинена загальна постановка задачі числової оцінки об’єктів до нечіткої задачі експертного оцінювання. На основі теорії нечітких множин розроблено математичний апарат для описання нечітких індивідуальних оцінок експертів, визначення чіткої та нечіткої колективних оцінок та коефіцієнта узгодженості думок експертів.

Анотація (рус):

Развита общая постановка задачи числовой оценки объектов к нечеткой задаче экспертного оценивания. На основе теории нечетких множеств разработан математический аппарат для описания нечетких индивидуальных оценок экспертов, определения четкой и нечеткой коллективных оценок и коэффициента согласованности мнений экспертов.

Анотація (англ):

Since there is sufficient number of tasks that in the course of addressing need an expert intervention, it is relevant and appropriate to create a powerful modern expert information formalization machine and processing systems thereof. Experts’ utilization while discussions of natural language leads to the expediency of using the fuzzy sets for the formalization thereof. This range of problems was analyzed by a number of foreign and national scientists, including L. Zadeh, B. McCulloch, M. Minsky, T. Kohonen, J. Zaychenko, A. Voloshyn. This paper developed the problem classical formulation for objects numerical evaluation in respect of expert evaluation fuzzy task. A mathematical tool developed to process the formalized fuzzy individual experts evaluations based on fuzzy sets with different membership functions; definition of fuzzy collective evaluation using weighted sums method and its defuzzification using center of gravity method to determine object’s clear collective evaluation; definition of experts’ opinion consistency ratio using generalized Hamming relative distance between fuzzy individual experts’ estimates.

Публікатор:

Київський національний університет будівництва і архітектури

Назва журналу, номер, рік випуску (укр):

Управління розвитком складних систем, номер 18, 2014

Назва журналу, номер, рік випуску (рус):

Управление развитием сложных систем, номер 18, 2014

Назва журналу, номер, рік випуску (англ):

Management of Development of Complex Systems, Number 18, 2014

Мова статті:

Українська

Формат документа:

application/pdf

Документ:

30.pdf

Дата публікації:

30 Май 2014

Номер збірника:

Розділ:

ТЕХНОЛОГІЇ УПРАВЛІННЯ РОЗВИТКОМ

Університет автора:

Державний вищий навчальний заклад «Ужгородський національний університет», Ужгород

Литература:

1. Заде, Л.А. Основы нового похода к анализу сложных систем и процессов принятия решений / Л.А. Заде // Математика сегодня. – М.: Мир, 1975. – С. 5-49.

2. Кофман, А введение в теорию нечетких множеств [Текст] / А. Кофман. – М.: Радио и связь, 1982. – 432 с.

3. Борисов, А.Н. Обработка нечеткой информации в системах принятия решений [Текст] / А.Н. Борисов, А.В. Алексеев. – М.:Радио и связь. 1989. – 304 с.

4. Гнатієнко, Г.М. Експертні технології прийняття рішень: Монографія [Текст] / Г.М. Гнатієнко, В.Є. Снитюк – К.: ТОВ «Маклаут». – 2008. – 444 с.

5. Землянський, О. М. Оптимізація структури систем пожежного моніторингу на основі експертних висновків / О. М. Землянський, В. Є. Снитюк // Управління розвитком складних систем. – 2011. – № 2. – С. 10-15.

6. Зайченко, Ю.П. Нечеткие модели и методы в интеллектуальных системах [Текст] / Ю.П. Зайченко. – К.: «Издательский дом «Слово», 2008. – 344с.

7. Волошин, О.Ф. Моделі та методи прийняття рішень: навч. посіб. для студ. вищ. навч. закл. [Текст] / О.Ф. Волошин, С.О. Мащенко. – К.: Видавничо-поліграфічний центр «Київський університет», 2010. – 336 с.

8. Множини. Основні поняття теорії множин [Электронный ресурс]. – http://zaz.gendocs.ru/docs/100/index-108613.html?page=4

9. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс]. – http://matlab.exponenta.ru/fuzzylogic/book1/1.php

10. Линейные операторы. Квадратичные формы. [Электронный ресурс]. – http://matica.org.ua/lineynie-operatori-kvadratichnie-formi/6-5-rasstoyanie-mezhdu-mnozhestvami

References:

1. Zadeh, L. (1975). Foundations of a new campaign to the analysis of complex systems and decision processes. Math today, 5-49.

2. Kofman, A. (1982). Іntroduction to the theory of fuzzy sets. Radio and communication, 432.

3. Borisov, A., Alekseev, A. (1989). Handling fuzzy information in decision-making systems. Radio and communication, 304.

4. Gnatієnko, G., Snityuk, V. (2008). Expert technology of the decision-making. TOV " Maklaut", 444.

5. Zemlianskyi, O., Snytyuk, V. (2011). Optimization of fire alarms systems based on expert opinions. Management of complex systems, № 2, 10-15.

6. Zaychenko, Y. (2008). Fuzzy models and methods in intelligent systems. "Publishing House" Word ", 344.

7. Voloshin, O., Mashchenko, S. (2010). Models and methods of decision making. "Kyiv University", 336.

8. Sets. Basic concepts of set theory [The electronic resource]. - http://zaz.gendocs.ru/docs/100/index-108613.html?page=4

9. Shtovba S.D. Introduction to the theory of fuzzy sets and fuzzy logic [The electronic resource]. – http://matlab.exponenta.ru/fuzzylogic/book1/1.php

10. Linear operators. Quadratic forms. [The electronic resource]. - http://matica.org.ua/lineynie-operatori-kvadratichnie-formi/6-5-rasstoyanie-mezhdu-mnozhestvami