[pt] Hoje em dia, grande parte do conhecimento acumulado está armazenadoem forma de dados. Para muitos problemas de classificação,tenta-se aprender a relação entre um conjunto de variáveis (atributos) euma variável alvo de interesse. Dentre as ferramentas capazes de atuar comomodelos representativos de sistemas reais, os Sistemas de Inferência Fuzzysão considerados excelentes com respeito à representação do conhecimentode forma compreensível, por serem baseados em regras linguísticas. Estequesito de interpretabilidade linguística é relevante em várias aplicações emque não se deseja apenas um modelo do tipo caixa preta, que, por maisprecisão que proporcione, não fornece uma explicação de como os resultadossão obtidos. Esta dissertação aborda o desenvolvimento de um Sistemade Inferência Fuzzy de forma automática, buscando uma base de regras quevalorize a interpretabilidade linguística e que, ao mesmo tempo, forneça umaboa acurácia. Para tanto, é proposto o modelo AutoFIS-Class, um métodoautomático para a geração de Sistemas de Inferência Fuzzy para problemasde classificação. As características do modelo são: (i) geração de premissasque garantam critérios mínimos de qualidade, (ii) associação de cada premissaa um termo consequente mais compatível e (iii) agregação de regrasde uma mesma classe por meio de operadores que ponderem a influênciade cada regra. O modelo proposto é avaliado em 45 bases de dados benchmarke seus resultados são comparados com modelos da literatura baseadosem Algoritmos Evolucionários. Os resultados comprovam que o Sistema deInferência gerado é competitivo, apresentando uma boa acurácia com umbaixo número de regras.
展开▼
