Объективизация нечетких классификационных моделей формирования межпредметных связей

• Veröffentlicht in: Штучний інтелект
• Datum: 2010
• Hauptverfasser: Ватлин, С.И., Шибут, М.С.
• Format: Artikel
• Sprache: Russian
• Veröffentlicht: Інститут проблем штучного інтелекту МОН України та НАН України 2010
• Schlagworte: Обучающие и экспертные системы
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/56843
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Объективизация нечетких классификационных моделей формирования межпредметных связей / С.И. Ватлин, М.С. Шибут // Штучний інтелект. — 2010. — № 3. — С. 623-627. — Бібліогр.: 5 назв. — рос.

В статье рассматривается проблема объективизации нечетких классификационных моделей обработки данных. Предлагается формальный метод (и реализующий его вычислительный алгоритм) анализа обоснованности нечетких классификационных моделей исходной выборки X, основанный на исследовании устойчивости альтернативных нечетких классификаций X к «допустимым» модификациям указанной выборки. Разработанный алгоритм используется при формировании компетентностного рубрикатора электронных обучающих ресурсов в системе электронного обучения. У статті розглядається проблема об’єктивування нечітких класифікаційних моделей обробки даних. Пропонується формальний метод (та обчислювальний алгоритм, який реалізує його) аналізу обґрунтованості нечітких класифікаційних моделей вихідної вибірки Х, який ґрунтується на дослідженні стійкості альтернативних нечітких класифікацій Х до «допустимих» модифікацій вказаної вибірки. Розроблений алгоритм використовується при формуванні компетентнісного рубрикатора електронних навчальних ресурсів у системі електронного навчання. The paper is devoted to the problem of validation of fuzzy classification models for experimental sample X. It is proposed a formal method and computational algorithm that provide to get an optimal number of fuzzy classes in X based on taking into account of stability of the alternative fuzzy classifications under acceptable modification of X.