استخراج قوانین فازى از داده ‏هاى GIS با استفاده از شبکه عصبى فازى جهت تشخیص بافت‏ هاى فرسوده مناطق 5 و 11 شهر تهران

در این تحقیق روشى جهت استخراج قوانین فازى مؤثر و قابل تفسیر از داده ‏هاى GIS با استفاده از سیستم عصبى - فازى ارائه شده است. مدل فازى جهت رسیدن به دقت و تفسیرپذیرى بالا از سه مرحله عبور کرده است. در مرحله اول وزن‏ هاى اولیه شبکه عصبى - فازى با استفاده از الگوریتم خوشه ‏بندى FCM به دست آمد. به منظور طبقه‏ بندى دقیق داده‏ هاى آموزشى در مرحله دوم از یک سیستم عصبى- فازى CANFIS استفاده گردید و بدلیل از دست رفتن قابلیت تفسیرپذیرى مدل‏ فازى‏ از الگوریتم‏ هاى ژنتیک جهت غلبه بر این محدودیت استفاده گردید. روش ارائه شده بر روى داده ‏هاى مناطق 5 و 11 شهر تهران جهت تشخیص بافت‏ هاى فرسوده مورد آزمایش قرار گرفته است. مسئله مورد بررسى از نوع طبقه ‏بندى بوده و هدف تعیین درجات عضویت بافت‏ ها به هریک از طبقات مى ‏باشد. فرسودگى بافت‏ ها در 4 طبقه شامل فرسودگى کم، متوسط، زیاد و بسیار زیاد مورد بررسى قرار گرفته است. تعداد 300 نمونه آموزشى مورد استفاده قرار گرفت که پس از آموزش شبکه تمام داده‏ هاى آموزشى به صورت صحیح و با RMS=0.0045 طبقه ‏بندى گردید. نتایج به دست آمده حاکى از آن است که روش ارائه شده در این تحقیق قابلیت تعمیم به مسائلى که در آن دانش کافى از سیستم هدف در دسترس نمى‏ باشد را داراست و از دقت و تفسیرپذیرى بالایى برخوردار است.