Статья опубликована в рамках: XXXVII Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ТЕХНИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 24 декабря 2015 г.)

Наука: Информационные технологии

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Соковец М.М. ОПРЕДЕЛЕНИЕ СТЕПЕНИ ВЫРАЖЕННОСТИ ЛИЧНОСТНЫХ ХАРАКТЕРИСТИК С ИСПОЛЬЗОВАНИЕМ МЕХАНИЗМА НЕЧЕТКОГО ВЫВОДА // Научное сообщество студентов XXI столетия. ТЕХНИЧЕСКИЕ НАУКИ: сб. ст. по мат. XXXVII междунар. студ. науч.-практ. конф. № 10(36). URL: http://sibac.info/archive/technic/10(36).pdf (дата обращения: 24.09.2019)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов


ОПРЕДЕЛЕНИЕ  СТЕПЕНИ  ВЫРАЖЕННОСТИ  ЛИЧНОСТНЫХ  ХАРАКТЕРИСТИК  С  ИСПОЛЬЗОВАНИЕМ  МЕХАНИЗМА  НЕЧЕТКОГО  ВЫВОДА


Соковец  Марина  Михайловна


студент  2  курса  магистратуры,  факультет  прикладной  математики  и  кибернетики,  Национальный  исследовательский  Томский  государственный  университет, 
РФ,  г.  Томск


E-mail: 

 


В  предлагаемой  работе  делается  попытка  использовать  аппарат  нечеткой  логики  для  решения  задачи  психодиагностической  классификации  личности  по  результатам  тестирования.  Область  применения  систем  нечеткого  вывода  в  настоящее  время  охватывает  широкие  спектры  задач  в  самых  разных  областях  деятельности  и  постоянно  расширяется.


Подведение  итогов  тестирования  (постановка  диагноза  –  определение  степени  выраженности  определенных  личностных  характеристик  тестируемого),  как  правило,  сводится  к  формированию  текстового  описания,  основанного  на  подсчете  и  обработке  количества  баллов,  набранных  испытуемым  после  анализа  ответов.  Графические  средства  отображения,  например,  профиль  личностных  черт,  осуществляют  более  наглядный  визуальный  способ  представления  результатов  тестирования.  Объединить  результаты  проведения  различных  тестов  для  получения  интегрированной  оценки  личности  испытуемого  при  таких  способах  их  отображения  является  задачей  достаточно  трудоемкой,  требующей  высокой  профессиональной  подготовки  аналитика.


Представляется  перспективным  попытка  автоматизировать  процесс  интеллектуального  анализа  результатов  психодиагностических  тестов,  используя  аппарат  нечеткого  вывода.


Система  нечеткого  вывода


Процесс  нечеткого  вывода  представляет  собой  некоторую  процедуру  или  алгоритм  получения  нечетких  заключений  на  основе  нечетких  условий  или  предпосылок  с  использованием  понятий  нечеткой  логики.


В  общем  случае  механизм  логического  вывода  включает  следующие  этапы:  введение  нечеткости  (фазификация),  нечеткий  вывод,  композиция  и  приведение  к  четкости,  или  дефазификация  (рис.  1.)  [3].

 


Рисунок  1.  Система  нечеткого  логического  вывода

 


Ядром  системы  является  база  данных,  которая  представляет  собой  совокупность  знаний  в  области  психодиагностики.  База  нечетких  правил  служит  основой  для  проведения  операции  нечеткого  логического  вывода.  Алгоритмы  нечеткого  вывода  различаются,  главным  образом,  видом  используемых  правил,  логических  операций  и  разновидностью  метода  дефазификации.


Среди  многообразия  моделей  нечеткого  вывода  выбрана  модель  Мамдани  (Mamdani).  Это  наиболее  распространенный  способ  логического  вывода  в  нечетких  системах  вывода.  В  нем  используется  минимаксная  композиция  нечетких  множеств.


Описание  этапов  нечеткого  вывода  в  модели  Мамдани  [2]


1.  Формирование  базы  правил  в  следующем  виде:


R1:  ЕСЛИ  x1это  A11  …  И  …  xn  это  A1n,  ТО  y  это  B1


           …


           Rm:  ЕСЛИ  x1это  Ai1  …  И  …  xn  это  Amn,  ТО  y  это  Bm,


где  xk  k=1..n  –  входные  переменные;


y  –  выходная  переменная;


AikВi  –  заданные  нечеткие  множества  с  соответствующими  функциями  принадлежности.


2.  Фазификация  входных  переменных:


На  вход  поступают  база  правил  и  массив  входных  точных  данных  Х’={x1,  ...,  xn}.  В  этом  массиве  содержатся  значения  всех  входных  переменных.  Для  каждого  из  подусловий  находится  значение  bi  =  μ(xi).  Таким  образом,  получается  множество  значений  bi  (i  =  1..n).


3.  Нечеткий  вывод:


3.1Для  каждого  правила  Rj(j=1..m)  находится  минимальное  значение  истинности  всех  его  подусловий  (левой  части  импликации) 


cj  =  min{bi},  где  i=1..nj  =  1..m.


3.2  Находим  "усеченные"  функции  принадлежности:


B*j(y)  =  min  {cjμi(Bj)}.


3.3  Композиция,  или  объединение  полученных  усеченных  функций:


MF(y)=maxB*j(y),


где  MF(y)  –  функция  принадлежности  итогового  нечеткого  множества.


4.  Дефизификация


При  помощи  метода  дефаззификации  находится  итоговое  точное  значение  выходной  переменной  y.


Рис.  2  [3]  графически  показывает  процесс  нечеткого  вывода  по  Мамдани  для  двух  входных  переменных  и  двух  нечетких  правил  R1  и  R2


 


Безымянный


Рисунок  2.  Графическое  отображение  процесса  нечеткого  вывода  по  Мамдани  [3]


 


Разрабатываемая  система  включает:


1.  Оболочку  базы  нечетких  знаний.


2.  Реализацию  механизма  нечеткого  вывода  по  Э.  Мамдани.


3.  Создание  базы  психодиагностических  знаний.


4.  Блок  подготовки  входных  данных  для  проведения  электронного  анализа  с  использованием  аппарата  нечеткого  вывода.


5.  Блок  управления  системой.


Описание  оболочки  базы  нечетких  знаний


1.  Структура  нечеткого  правила:


R1:Fm(1)˄/˅Fm(2)  ˄/˅…˄/˅  Fm(n)→FM(1)


           R2:Fm(n+1)˄/˅Fm(n+2)˄/˅…˄/˅Fm(n+m)→FM(2)


….,


где  Fm(i)i-ая  функция  принадлежности.


2.  Вид  функции  принадлежности:


·     Треугольная  функция


·     Трапециевидная  функция 


·     S-образная  функция


Заключение


Можно  ожидать,  что  такая  система  позволит  на  единой  методологической  основе  автоматизировать  обработку  разнонаправленных  психодиагностических  тестов,  формируя  интегрированный  образ  личностных  качеств  объекта  тестирования.


В  качестве  модели  системы  нечеткого  вывода  выбрана  модель,  предложенная  Э.  Мамдани  (E.  Mamdani)  [2].  База  знаний,  включающая  нечеткие  правила  определения  типов  характера,  формируется  на  основаниимодели  конструктивной  типологии  [1].  Настраивается  база  знаний  и  отлаживается  система  на  основании  содержимого  анкет,  включающих  ответы  испытуемых  при  проведении  тестирования  по  методике  Кэтл.  Для  получения  результатов  каждой  диагностической  методики  необходимо  свое  наполнение  оболочки,  своя  база.  Несколько  различных  выводов  позволят  получить  обобщенное  представление  о  личности.


 


Список  литературы:

  1. Елисеев  О.П.  Конструктивная  типология  и  психодиагностика  личности.  –  Псков:  Изд-во  Псковского  областного  института  усовершенствования  учителей,  1994.
  2. Круглов  В.В.,  Дли  М.И.  Интеллектуальные  информационные  системы:  компьютерная  поддержка  систем  нечеткой  логики  и  нечеткого  вывода.  –  М.:  Физматлит,  2002.
  3. Паклин  Н.  Нечеткая  логика  –  математические  основы  [Электронный  ресурс]  –  Режим  доступа.  –  URL:  http://www.basegroup.ru/library/analysis/fuzzylogic/math/
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий