| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
2.4.2: Unscharfe MengenWährend in Cluster-Verfahren Teilmengen von ähnlichen Beispielen konstruiert werden, kann man auch versuchen, die Definition von Mengen so zu verallgemeinern, dass vage Zuordnungen von Beispielen in unterschiedliche Teilmengen besser abgebildet werden können. Dazu wurden bereits 1965 von L. A. Zadeh [->] so genannte unscharfe Mengen oder Fuzzy Sets eingeführt. Die folgende Darstellung orientiert sich an Bademer und Gottwald (1993) [->] . Die Theorie der unscharfen Mengen stellt als eine Verallgemeinerung des Mengenkonzepts den Grad der Mitgliedschaft in einer Menge zur Verfügung. Diese Verallgemeinerung wird mit Hilfe einer Zugehörigkeitsfunktion definiert: Definition 17: Unscharfe MengeBei unscharfen Mengen muss für ein Element also nicht mehr eindeutig gesagt oder bestimmt werden, ob es in einer bestimmten Menge liegt oder nicht, sondern es kann ein Zahlenwert zwischen 0 und 1 angegeben werden, der die Zugehörigkeit des Elements zu der Menge beschreibt. Das entspricht der Gewichtung von Termen in der Vektordarstellung eines Dokuments. Dort war allerdings keine Einschränkung der Werte auf das Intervall [0,1] festgelegt worden. Eine solche Einschränkung kann allerdings im Allgemeinen durch eine geeignete Normierung erreicht werden. Dabei müssen aber die Auswirkungen auf die verwendeten Ähnlichkeitsmaße berücksichtigt werden. Im Unterschied zum Vektorraummodell ist die Definition von unscharfen Mengen nicht auf eine endliche (Grund-)Menge von Termen beschränkt. Sie wurde für beliebige Mengen eingeführt. In Abbildung 66 sind verschiedene Lebensabschnitte als unscharfe Mengen über dem Grundraum der Lebensjahre dargestellt. Die herkömmliche Mengendefinition (oder die Definition einer scharfen Menge) lässt sich als Spezialfall der Definition einer unscharfen Menge schreiben. Dazu wählt man als Zugehörigkeitsfunktion einer Menge UD die charakteristische Funktion:
Zwei unscharfe Mengen sind genau dann gleich, wenn ihre Zugehörigkeitsfunktionen gleich sind. Die leere unscharfe Menge ist durch die Zugehörigkeitsfunktion
Definition 18: Träger, Kern, Schnitte und HöheBei endlichen Grundmengen, wie sie beispielsweise im Vektorraummodell auftreten, kann man das Supremum durch das Maximum ersetzen. Abbildung 66: Unscharfe Mengen zur Beschreibung von LebensalternZur weiteren Untersuchung der Eigenschaften unscharfer Mengen bzw. zur weiteren Verallgemeinerung von Eigenschaften scharfer Mengen auf unscharfe Mengen kann man die folgende Aussage benutzen, die eine Beziehung zwischen scharfen und unscharfen Mengen herstellt. Satz 3: Festlegung durch SchnitteDas lässt sich folgendermaßen einsehen: 1X> ist die charakteristische Funktion des -Schnitts. Sie ist also so lange gleich 1 , wie d in X> liegt. Das ist aber genau dann der Fall, wenn mX(d)> gilt. Mit wachsendem ergibt sich das Supremum also gerade für =mX(d) Abbildung 67: Rekonstruktion des Werts der Zugehörigkeitsfunktion aus den Alpha-SchnittenMit dieser Äquivalenz lassen sich Eigenschaften und Operationen von scharfen auf unscharfe Mengen übertragen. Geht man von der Teilmengenrelation für scharfe Mengen aus, kann man fordern, dass die -Schnitte einer Teilmengenrelation unscharfer Mengen die Teilmengenrelation für scharfe Schnitte erfüllen sollen. Man erhält als Definition also
Man kann also die Teilmengenrelation für unscharfe Mengen durch diese Äquivalenz definieren. Für sie folgt dann unmittelbar:
Definition 19: Vereinigung, Durchschnitt und KomplementMan sieht, dass sich diese Definitionen bei der Verwendung von scharfen Mengen, also von charakteristischen Funktionen, mit den herkömmlichen Definitionen von Vereinigung, Durchschnitt und Komplement decken. Abbildung 68: Vereinigung und Durchschnitt von unscharfen MengenAus den entsprechenden Eigenschaften der Maximumsfunktion ergeben sich auch sofort
Neben dieser "kanonischen" Definition von Vereinigung und Durchschnittsbildung gibt es noch weitere Möglichkeiten, solche Operationen zu definieren. Darauf soll hier nicht eingegangen werden. Es soll aber noch angedeutet werden, wie Fuzzy-Methoden zum unscharfen Schließen bzw. unscharfen Kategorisieren verwendet werden können. Dazu kann man unscharfe Relationen analog zu scharfen Relationen als Teilmengen der entsprechenden kartesischen Produkte definieren: Eine (scharfe) Relation zwischen zwei Attributen A1:D->R1 und A2:D->R2 kann als Teilmenge des kartesischen Produkts der Wertemenge der Attribute geschrieben werden.
Kategorisierungsregeln, wie sie z.B. beim AQ-Algorithmus beschrieben wurden, können auch als Relationen dargestellt werden. Die folgende Darstellung beschränkt sich der Einfachheit halber auf Kategorisierungen, die durch ein vorherzusagendes Attribut A2 beschrieben sind und sich nur auf ein vorhersagendes Attribut A1 stützen. Wie beschrieben, lässt sich jede Kategorisierung durch die geeignete Wahl bzw. Konstruktion von A1 auf diese Aufgabe reduzieren. Sie ist dann eine Funktion, die sich als Regel in der Form IF (A1=x) THEN A2=y schreiben lässt und als Relation in der Form
Schreibt man ein Element aus R auch als seine charakteristische Funktion, also z.B. 1R als x=(0,1,0)t , so ergibt sich die Kategorisierung als Multiplikation der Matrix T mit dem Vektor x . Man kann sie in der Form IF (A1=x) THEN A2=T·x schreiben oder einfacher als
Die Darstellung der Relation durch die charakteristische Funktion ermöglicht die Verallgemeinerung der Relation zu einer unscharfen Relation und damit die Definition einer unscharfen Kategorisierung. Während bei der scharfen Relation nur 0 und 1 als Beschreibungen der Zugehörigkeit zur Teilmenge der Paare zulässig sind, sind bei der unscharfen Relation Zugehörigkeiten aus dem Intervall [0,1] erlaubt, z.B.:
Eine unscharfe IF-THEN-Regel kann nun mit Hilfe einer unscharfen Relation folgendermaßen geschrieben werden: IF (A1=X) THEN A2=Y mit unscharfen Mengen X und Y . Die Zugehörigkeitsfunktion von Y ist dabei folgendermaßen definiert:
Diese von Zadeh vorgeschlagene Definition lehnt sich an das Produkt zwischen dem Vektor und der Matrix an. Die Multiplikation wird dabei durch das Minimum ersetzt und die Addition durch die Supremumsbildung. Das Ergebnis dieser unscharfen Kategorisierung ist eine unscharfe Menge, also eine Zugehörigkeitsfunktion. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Diese Seiten sind urheberrechtlich geschützt. Die Verantwortung für die Inhalte und die Rechte der Online-Version liegen beim Autor Reginald Ferber, Münster (Westf). Die Rechte der gedruckten Version beim dpunkt.verlag, Heidelberg. Die Weiterverwendung von Texten oder Abbildungen - auch auszugsweise - ist ohne die schriftliche Zustimmung des Autors Reginald Ferber bzw. des dpunkt.verlags nicht gestattet.
Es wird darauf hingewiesen, dass die verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken-, oder patentrechtlichem Schutz unterliegen. Alle Angaben und Programme wurden mit großer Sorgfalt kontrolliert. Trotzdem kann keinerlei Haftung für Schäden irgendwelcher Art übernommen werden, die sich im Zusammenhang mit der Nutzung dieser Seiten ergeben.
Diese HTML-Datei wurde am 27-10-2003 erzeugt.