模糊規則是FLS系統的核心，是客觀世界規律性的表征，如何正確地從操作者及其環境的相互作用中、控制器與被控對象的彼此又矛盾又統一的互動中提取模糊規則至關重要。當前主要有三種規則抽取方法：（1）控制專家提供的語言規則。（2）從數字訓練數據（及專家經驗）中提取模糊規則，又分兩種情況（a）直接匹配法；（b）乘積空間聚類法。（3）通過多層神經網路提取規則。
基本介紹
- 中文名：模糊規則提取
- 外文名：fuzzy rule extraction
- 定 義：模糊規則的提取方法
- 套用學科：計算機原理術語
概念,工作原理,基於直接匹配的模糊規則抽取方法,基於乘積空間聚類的模糊規則提取方法,
概念
模糊規則是FLS系統的核心，是客觀世界規律性的表征，如何正確地從操作者及其環境的相互作用中、控制器與被控對象的彼此又矛盾又統一的互動中提取模糊規則至關重要。當前主要有三種規則抽取方法：（1）控制專家提供的語言規則。（2）從數字訓練數據（及專家經驗）中提取模糊規則，又分兩種情況（a）直接匹配法；（b）乘積空間聚類法。（3）通過多層神經網路提取規則。
工作原理
基於直接匹配的模糊規則抽取方法
1）問題的提出 王立新和Mendel發展了一種抽取模糊規則的簡捷方法，可稱之為直接匹配法，此法可以同時套用控制專家提供的If-Then形式的語言規則以及HC對控制過程實行閉環控制時所形成的輸入-輸出數據。
問題的關鍵在於如何從這些數據對中提取If-Then形式的模糊規則，並與初始已表成If-Then形式的控制專家經驗組成統一的規則集合，最後依據這一規則庫完成FLC設計。
2）從數字式的數據對中產生模糊規則 以雙輸入-單輸出的FLC為例說明。
（1）第一步：將輸入空間和輸出空間各劃分成若干模糊分區（即若干模糊集合），每個分區均採用三角形隸屬度函式（在邊緣上的分區則採用半三角形-飽和形隸屬度函式）。
（2）第二步：由給定的採用數據對生成模糊規則。
（3）第三步：給每一條規則指定一個評價度。
（4）第四步：產生總的模糊規則庫 把如上所獲的由數據對產生的規則填入控制規則表的相應格子中；由專家經驗產生的每一條規則也賦予它們相應的評價度，同樣填入控制規則表的相移格子中。對於那些被填入一個以上內容的格子，取其中評價度最高者作為規則的後件。如此便形成了一個確定的模糊規則庫，由於數據或專家經驗的局限性，控制規則表中有些格子可能是空的。
3）模糊規則的蘊含關係、FLC的推理、集成和清晰化 這部分是規則提取問題的後續工作，目的在於形成完整的FLC。
基於乘積空間聚類的模糊規則提取方法
在傳統的專家系統中，規則往往是由專家根據經驗給出的，這就存在著規則不夠客觀、專家經驗難以獲取等問題。因此，如何有效地提取規則是一項很有意義的工作。
B.Kosko提出了一種基於突觸矢量量化競爭學習神經網路的積空間聚類算法，用於提取模糊規則，實現了倒立擺系統的模糊控制，為模糊規則的獲取提供了新的思路。然而，AVQ競爭學習以“勝者全取（winner-take-all）”的方式對當前處理的對象進行競爭，它只修正獲勝神經元的突觸矢量，這樣在學習樣本較少、分布又不均勻的情況下，如果完全套用Kosko提出的方法，則經常會出現神經元學習不足，有的節點不回響，甚至變成“死節點”(dead unites)等問題，以至提取出的規則差異較大，而且不同的初始突觸矢量值也影響學習效果。此外, 以往一些規則提取方法中，對各變數模糊子集(語言變數真值)個數和隸屬函式的形狀以及參數均靠專家經驗來確定的。這就使得提取出的規則沒有充分利用訓練樣本中所包含的信息，帶有很大的主觀性。
由AVQ質心定理和AVQ收斂定理可知，進入平衡階段的競爭神經元的突觸矢量值可以看作模式類別的質心，即聚類中心。
