The paper presents Gupta's relational decomposition technique expanded on linguistic level. It allows to reduce the hardware cost of the fuzzy system or the computing time of the final result, especially when referring to First Aggregation Then Inference (FATI) relational systems or First Inference Then Aggregation (FITA) rule systems. The inference result of the hierarchical system using decomposition technique is more fuzzy than of the classical system. The paper describes a linguistic decomposition technique based on partitioning the knowledge base of the fuzzy inference system. It allows to decrease or even totally remove a redundant fuzziness of the inference result.
Purpose: The goal of presented research is to establish a better method for determination of the cotton maturity degree. Methodology: For imaging of the cotton fracture Scanning Electron Microscopy is used. For classification of the cotton fracture elements of Fuzzy Sets theory is applied. Findings: A method of maturity determination based on SEM images and elements of fuzzy sets theory is proposed. The presented method appeared to be more precise than the maturity reference standard method. Research implication: Method of the analysis of SEM images with fuzzy sets enables to perform a quantitative analysis of the cotton fractures images. This method will be improved with a computer method. Practical implications: An effective method for measurement of cotton fibres maturity is developed. Originality: Classification of images of cotton fracture, identification of images with fuzzy set theory conception.
W artykule przedstawiono metodę dekompozycji relacyjnej Gupty przeniesioną na płaszczyznę lingwistyczną i wykorzystaną w realizacjach regułowych systemów wnioskowania przybliżonego (FITA) strukturze hierarchicznej. Pozwala ona obniżyć nakłady sprzętowe i obliczeniowe. Wynik wnioskowania uzyskiwany z takiego systemu jest bardziej rozmyty, niż uzyskany z systemu o klasycznej strukturze. W artykule omówiona została technika dekompozycji wykorzystująca podział bazy wiedzy systemu wnioskowania przybliżonego. Pozwala ona zmniejszyć lub całkowicie wyeliminować nadmiarową rozmytość wyniku wnioskowania.
EN
The paper presents Gupta's relational decomposition technique expanded on linguistic level. The method can be used to implement First Inference Then Aggregation fuzzy hierarchical inference systems. It allows a decrease in the hardware cost of the fuzzy system or in the computing time of the final result. The inference result of the hierarchical system using decomposition technique is more fuzzy than of the classical system. The paper describes a linguistic decomposition technique based on partitioning the knowledge base of the fuzzy inference system. It allows to decrease or even totally remove a redundant fuzziness of the inference result.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.