Rankings of multi-aspect fuzzy sets in modelling the decision support systems

• Autorzy: Ameljańczyk Andrzej

Identyfikatory

DOI

10.5604/01.3001.0054.6290

Warianty tytułu

PL

Rankingi wieloaspektowych zbiorów rozmytych w modelowaniu systemów wspomagania decyzji

• Języki publikacji: EN

Abstrakty

EN

The paper presents a method of constructing rankings of fuzzy sets, in particular multi-aspect fuzzy sets. A new class of global membership functions based on the generalized Minkowski norm has been defined. Due to their properties, they can be an alternative to classical product functions. These functions can be used to construct rankings of multi-aspect fuzzy sets, which are an important element of decision support systems. The concepts presented in this paper are illustrated with a numerical example from the area of support of diagnostic decisions based on multi-aspect fuzzy sets.

PL

W artykule przedstawiono metodę konstruowania rankingów zbiorów rozmytych, w szczególności wieloaspektowych zbiorów rozmytych. Zdefiniowano nową klasę globalnych funkcji przynależności w oparciu o uogólnioną normę Minkowskiego. Ze względu na swoje właściwości mogą one stanowić alternatywę dla klasycznych funkcji iloczynowych. Funkcje te można wykorzystać do konstruowania rankingów wieloaspektowych zbiorów rozmytych, które są ważnym elementem systemów wspomagania decyzji. Koncepcje prezentowane w artykule zilustrowano przykładem numerycznym z obszaru wspomagania decyzji diagnostycznych w oparciu o wieloaspektowe zbiory rozmyte danych medycznych.

Słowa kluczowe

EN

multi-aspect fuzzy set; global membership function; ranking of fuzzy set

PL

wieloaspektowy zbiór rozmyty; globalna funkcja przynależności; ranking zbioru rozmytego

• Wydawca: Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology
• Czasopismo: Computer Science and Mathematical Modelling
• Rocznik: 2023
• Tom: No. 18
• Strony: 5--14
• Opis fizyczny: Bibliogr. 36 poz.,

Twórcy

autor

Ameljańczyk Andrzej

• Military University of Technology, Faculty of Cybernetics Institute of Computer and Information Systems Kaliskiego St. 2, 00-908 Warsaw, Poland

• https://orcid.org/0000-0002-7845-6986

Bibliografia

• [1] Albin M., Fuzzy sets and their applications to medical diagnosi’s, Berkeley, 1975.
• [2] Anvari M., Rose Gene F., Fuzzy relational databases analysis of Fuzzy Information, 2:203-212, 1984.
• [3] Ameljańczyk A. , Optymalizacja wielokryterialna w problemach sterowania i zarządzania, Ossolineum, 1984.
• [4] Ameljańczyk A., “Multicriteria similarity models in medical diagnostics support algorithms”, Bio-Algorithms and Med-Systems, Vol. 21, No.1, 33-39 (2013).
• [5] Ameljańczyk A., „Metryki Minkowskiego w tworzeniu uniwersalnych algorytmów rankingowych”, Biuletyn WAT, Vol. LXIII, Nr 2, 324-336 (2014).
• [6] Ameljańczyk A., “Multiaspect fuzzy set in modelling of the decisions suport systems, Computer Science and Mathematical Modelling, No.11, 2-9 (2020).
• [7] Ameljańczyk A., „Analiza wpływu przyjętej koncepcji modelowania systemu wspomagania decyzji medycznych na sposób generowania ścieżek klinicznych”, Biuletyn Instytutu Systemów Informatycznych, Nr 4, 1-8 (2009).
• [8] Ameljańczyk A., „Zbiory rozmyte w procesach wspomagania diagnostyki medycznej”, Konferencja z okazji Jubileuszu XXV-lecia Instytutu Systemów Informatycznych Wydziału Cybernetyki WAT, Warszawa 2019.
• [9] Ameljańczyk A., “Pareto filter in the process of multi-label classifier synthesis in medical diagnostics support algorithms”, Computer Science and Mathematical Modelling, No. 1, 5-10 (2015).
• [10] Ameljańczyk A., “Fuzzy sets in modelling of patient’s disease states”, Computer Science and Mathematical Modelling, No. 9, 5-11 (2019).
• [11] Ameljańczyk A., „Wielokryterialne mechanizmy wspomagania podejmowania decyzji klinicznych w modelu repozytorium w oparciu o wzorce”, POIG.01.03.01-00--145/08/2009, WAT, Warszawa 2009.
• [12] Ameljańczyk A., Ameljańczyk T., “Determination of thresholds ranking functions applied in medical diagnostic support systems”, Journal of Health Policy and Outcomes Research, No. 2, 4-12 (2015).
• [13] Ameljańczyk A., “The role of properties of the membership functions in the construction of fuzzy set rankings”, Computer Science and Mathematical Modelling, No. 11, 5-12, (2020).
• [14] Baczyński M., Jayaram B., An Introduction to Fuzzy Implications, Springer, 2008.
• [15] Bandler W., Kohout L. J., “The use of checklist paradigm in inference systems”, [in:] H. Prade, C. V. Negoita (Eds.) Fuzzy Logic in Knowledge Engineering, Chapter 7, pp. 95-111, TUV, 1986.
• [16] Barone de Medeiros J. I., Machado M., at all, “A Fuzzy Inference System to Support Medical Diagnosis in Real Time”, Procedia Computer Science, 122, 167-173 (2017).
• [17] Bishop C. M., Pattern recognition and machine learning, Springer, 2006.
• [18] Cross D. V., Sudkamp T. A., Similarity and compatibility in fuzzy set theory: Assessment and applications, Vol. 93. Springer, 2002.
• [19] Czogała E., Pedrycz W., Elementy i metody teorii zbiorów rozmytych, PWN, Warszawa 1985.
• [20] Kacprzyk J., Wieloetapowe sterowanie rozmyte, WNT, 2001.
• [21] Kandel A., Fuzzy techniques in pattern recognition, Wiley, 1982.
• [22] Kauffman A., Gupta M. M., Introduction to fuzzy arithmetic: Theory and application, Van Nostrand Reinhold, NY 1991.
• [23] Kiszka J. B., Kochanska M., Sliwinska D. S., “The influence of some parameters on the accuracy of a fuzzy model”, [in:] Industrial Applications of Fuzzy Control, M. Sugeno (Ed.), pp. 187-230, Amsterdam 1985.
• [24] Klir G., Yuan B., Fuzzy sets and fuzzy logic, Prentice Hall, New Jersey 1995.
• [25] Łachwa A., Rozmyty świat zbiorów, liczb, relacji, faktów i decyzji, EXIT, Warszawa 2001.
• [26] Ostasiewicz W., Zastosowanie zbiorów rozmytych w ekonomii, PWN, Warszawa 1986.
• [27] Piegat A., Modelowanie i sterowanie rozmyte, EXIT, Warszawa 1999.
• [28] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa 1997.
• [29] Sanchez E., “Medical diagnosis and composite fuzzy relations”, [in:] Advances in fuzzy sets theory and applications, M. M. Gupta, R. K. Ragade, R. R. Yager (Eds.), pp. 437-444, North-Holland Publishing Company, 1979.
• [30] Smets P., “Medical diagnosis: Fuzzy sets and degrees of belief”, Fuzzy sets and Systems, Vol. 5(3), 259-266 (1981).
• [31] Seung-Seok Choi, Sung-Hyuk Cha, C. C. Tappert, A Survey of Binary Similarity and Distance Measures,New York,2006.
• [32] Yu P. L., Leitmann G., “Compromise solutions, domination structures and Salukwadze’s solution”, JOTA, Vol.13, 1974.
• [33] Zadeh L., “Fuzzy sets”, Information and Control, Vol. 8, 338-353 (1965).
• [34] Zadeh L., “Similarity relations and fuzzy ordering”, Information Science, Vol. 3, 177-200 (1971).
• [35] Zwick R., Carlstein E., Budescu D. V., “Measures of similarity among fuzzy concepts: A comparative analysis”, International Journal of Approximate Reasoning, Vol. 1(2), 221-242 (1987).
• [36] Żywica M., Miary podobieństwa i zawierania zbiorów rozmytych, Wydawnictwo UAM, Poznań 2014.