Search

This paper aims to propose a rule exclusion system and, consequently, the model simplification in evolutionary fuzzy systems. Such simplification has some benefits, being highlighted, for example, the task of labelling the rules by an expert in unsupervised systems and the explanation of the rules obtained. For the execution of the work, it was considered an algorithm present in the literature, ALMNo, with the addition of the proposed exclusion mechanism. The proposed mechanism uses the distance between the centers of the membership functions of the rules, normalized by the standard deviation of a sliding window with the last 10 data analyzed. The normalization is intended to detect a change in the context of the data, and once it is detected, provides greater generalizability to the system. This is due to the fact that data belonging to another region of space generates a larger standard deviation. The results were analyzed by comparing the original ALMNo algorithm with that without the exclusion mechanism. Numerical results show that the proposed mechanism is promising in terms of reducing the number of rules and maintaining a competitive level of accuracy. Furthermore, test results indicate that setting the necessary parameters is not decisive for the success of the algorithm. O presente trabalho tem como objetivo propor um sistema de exclusão de regras e, consequentemente, a simplificação do modelo em sistemas fuzzy evolutivos. Tal simplificação tem alguns benefícios, podendo ser destacado, por exemplo, o trabalho de rotulação das regras por um especialista em sistemas não supervisionados e a explicação das regras obtidas. Para execução do trabalho foi considerado um algoritmo presente na literatura, ALMNo, com a adição do mecanismo de exclusão proposto. O mecanismo proposto utiliza a distância entre os centros das funções de pertinência das regras, normalizado pelo desvio padrão de uma janela deslizante com os últimos 10 dados analisados. A normalização visa detectar uma mudança no contexto dos dados, e, uma vez detectada a mudança, proporcionar uma maior generalização ao sistema. Isso se deve ao fato de que dados pertencentes a outra região do espaço gera um desvio padrão maior. Os resultados foram analisados comparando o algoritmo ALMNo original com o algoritmo ALMNo adicionado o mecanismo de exclusão. Resultados numéricos mostram que o mecanismo proposto é promissor, uma vez que reduziu o número de regras e manteve um nível competitivo de acurácia. Além disso, resultados de testes indicam que a definição dos parâmetros necessários não é algo decisivo para o sucesso do algoritmo.

Submitted by Rita De Cássia Aragão Da Silva Andrade (cassia.aragao@unesp.br) on 2020-02-06T14:13:08Z No. of bitstreams: 1 Rita de Cassia Mestrado Revisado e Formatado - V10.pdf: 1107695 bytes, checksum: 8517715c71b067f242ad3d6aabefafb4 (MD5) Approved for entry into archive by Pamella Benevides Gonçalves null (pamella@feg.unesp.br) on 2020-02-07T13:42:59Z (GMT) No. of bitstreams: 1 andrade_rcas_me_guara.pdf: 1107695 bytes, checksum: 8517715c71b067f242ad3d6aabefafb4 (MD5) Made available in DSpace on 2020-02-07T13:42:59Z (GMT). No. of bitstreams: 1 andrade_rcas_me_guara.pdf: 1107695 bytes, checksum: 8517715c71b067f242ad3d6aabefafb4 (MD5) Previous issue date: 2019-12-02 O controle estatístico de processos (CEP) é um conjunto de ferramentas usadas para monitorar a estabilidade de um processo, no sentido de identificar a ocorrência de causas especiais. Em 1924, Walter Shewhart projetou o primeiro gráfico de controle. Os gráficos de controle podem ser por variáveis ou atributos, sendo o gráfico por variáveis o mais comumente utilizado. Porém, nem sempre é por meio de mensurações que se avalia a qualidade de um produto ou serviço; muitas vezes o fazemos por meio de seus atributos, “defeituoso” ou “não defeituoso”. Nesse contexto, o mais indicado é a utilização do gráfico de controle por atributo. Para muitos dos problemas identificados num produto ou serviço, os dados podem não ser tão precisos. Essa incerteza vem do sistema de medição, dos operadores, das condições ambientais, entre outros. Para lidar com essa incerteza, pode-se usar a lógica fuzzy, pois os gráficos de controle fuzzy fornecem uma avaliação mais flexível. Este trabalho propõe o uso de gráficos de controle fuzzy p e np para monitoramento de processos univariados, considerando os casos TFN e TrFN, número fuzzy triangular e número fuzzy trapezoidal, respectivamente. Os gráficos propostos foram comparados com o gráfico de Shewhart. Os gráficos de controle fuzzy foram construídos usando regras de lógica fuzzy, de forma a ajudar na tomada de decisão. Foi analisado o desempenho do gráfico de controle utilizando NMA – número médio de amostras até alarme falso. Diante dos resultados obtidos, observou-se que gráficos de controle por atributos fuzzy apresentaram maior eficiência que os gráficos de controle de atributos tradicionais. Statistical Process Control (SPC) is a set of tools used to monitor the stability of a process to identify the occurrence of special causes. In 1924, Walter Shewhart designed the first control chart. Control charts can be by variables or attributes, being variable chart the most commonly used. However, it is not always by means of measurements that the quality of a product or service is assessed; we often do so by its attributes, "defective" or "not defective." this context, the use of attribute control chart is the most appropriate. For many of the problems identified in a product or service, data may not be as accurate. This uncertainty comes from the measurement system, the operators, the environmental conditions, among others. To deal with this uncertainty, fuzzy logic can be used because fuzzy control charts provide a more flexible assessment. This paper proposes the use of fuzzy p and np control charts for univariate process monitoring, considering the TFN and TrFN cases, triangular and trapezoidal fuzzy number, respectively. The proposed charts were compared with the Shewhart chart. Fuzzy control charts were built using fuzzy logic rules to aid in decision making. Control chart performance was analyzed using NMA - mean number of samples until false alarm. Given the results obtained, it was observed that fuzzy attribute control charts presented higher efficiency than traditional attribute control charts

Fundação de Amparo a Pesquisa do Estado de Minas Gerais This paper proposes a new method to automatically generate fuzzy rules based on rough sets teory and fuzzy sets teory. The derived rules are concise with respect to the number of antecedent terms and present high coverage rate. The classier system based on these fuzzy rules was tailored to discriminate between possibility of classication and impossibility classication. The proposal was tested with ve public databases provided by University of Wisconsin: the Iris, the Wine, the Wisconsin Diagnosis Breast Cancer considering 10 attributes (Wdbc with 10 attributes), the Wisconsin Diagnosis Breast Cancer considering 30 attributes (Wdbc with 30 attributes) and the Wisconsin Prognostic Breast Cancer (Wpbc). The classication accuracies obtained for Iris, Wine, Wdbc with 10 attributes, Wdbc with 30 attributes and the Wpbc were 100%, 100%, 99,03%, 98,03 e 93,90%, respectively. Este trabalho propõe um novo método para gerar automaticamente regras fuzzy baseado na teoria dos rough sets e na teoria dos conjuntos fuzzy. As regras derivadas são concisas em relação ao número de termos antecedentes e apresentam alta taxa de cobertura. O sistema de classicação baseado nestas regras fuzzy foi adaptado para discriminar entre a possibilidade e a impossibilidade de classicação. A proposta foi testada em cinco bases de dados públicas fornecidas pela Universidade de Wisconsin, são elas: a Iris, a Wine, a Wisconsin Diagnosis Breast Cancer considerando 10 atributos (Wdbc com 10 atributos), a Wisconsin Diagnosis Breast Cancer considerando 30 atributos (Wdbc com 30 atributos) e a Wisconsin Prognostic Breast Cancer (Wpbc). A precisão de classicação obtida para Iris, Wine, Wdbc com 10 atributos, Wdbc com 30 atributos e Wpbc foram 100%, 100%, 99,03%, 98,03 e 93,90%, respectivamente. Mestre em Ciência da Computação

O estudo de viabilidade para o lançamento de um novo empreendimento muitas vezes é realizado com base em critérios simplificados ou subjetivos. A análise cuidadosa do mercado é uma atividade essencial nesse processo, sendo importante para reduzir parte do risco. Podemse obter estimativas mais precisas das receitas mediante a construção de modelos hedônicos com dados coletados no mercado. Entretanto, a avaliação do valor de mercado dos imóveis por esse processo também enfrenta dificuldades, tais como imprecisões nas transições entre diferentes submercados. As regras difusas constituem uma forma de consideração dessas imprecisões e permitem incrementar a precisão dos modelos de avaliação. Neste trabalho apresenta-se uma aplicação de sistemas baseados na técnica de regras difusas com ajustamento através de algoritmos genéticos. Foram desenvolvidos dois sistemas de regras difusas, sendo o primeiro baseado na área total dos imóveis e o segundo baseado na sua localização. Esses modelos foram comparados com o tradicional modelo hedônico de regressão. Os resultados indicam que essa técnica pode contribuir para melhorar a qualidade das avaliações no mercado de imóveis. The feasibility study for launching a new property development is often carried out using simplified or subjective techniques. Careful market analysis should be an essential part of this process, in order to reduce part of the risk involved. More precise price estimations may be obtained using hedonic price models, based on sales market data. However, estimating the market value of real estate through this process has also some drawbacks, such as imprecision of the boundaries between different sub-markets. Fuzzy rules may be used for dealing with this type of imprecision, making it possible to improve the precision of market appraisal models. This paper presents an application of fuzzy rule-based systems, which have been adjusted by genetic algorithms. Two fuzzy systems were developed. The first one was based on the property area, and the second one was based on its location. Both were compared to a traditional hedonic regression model. The results have indicated that fuzzy rules may improve the quality of real state market analysis.