Заключение. 
Проектирование нечеткого классификатора, основанного на логическом выводе

В ходе выполнения курсовой работы были изучены:

• — основы нечеткого моделирования;
• — модель и принцип работы нечеткого классификатора;
• — процесс проектирования нечеткого классификатора и формирования базы правил.

Была разработана программа, выполняющая построение нечеткого классификатора на основе наблюдаемых данных.

Целью дальнейших исследований является изучение и применения генетического алгоритма для оптимизации базы правил.

Список используемой литературы

• 1. Леденева Т. М. Основы нечеткого моделирования в среде MatLab: учебное пособие / Т. М. Леденева, Д. С. Татаркин, А. С. Тарасова. — Воронеж: ЛОП ВГУ, 2006. — 51 с.
• 2. Леденева Т. М. Обработка нечеткой информации / Т. М. Леденева. — Воронеж: ВГУ, 2006. — 232 с.
• 3. Roubos J.A. Learning Fuzzy Classification Rules from Labeled Data. / J.A. Roubos, M. Setnes, J. Abonyi. // Elsevier Preprint, 2001.
• 4. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы. / Рутковская Д., Пилинский М., Рутковский Л. — Москва: Горячая линия — Телеком, 2004. — 315 с.
• 5. Тэрано Т. Прикладные нечеткие системы. / Тэрано Т., Асаи К., Сугено М. — Москва: Мир, 1993. — 386 с.
• 6. Гладков Л. А. Генетические алгоритмы: Учебное пособие. — 2-е изд. / Л. А. Гладков, В. В. Курейчик, В. М. Курейчик. — М.: Физматлит, 2006. — 320 с.
• 7. Рыжков А. П. Элементы Теории нечетких множеств и измерения нечеткости. / А. П. Рыжков — М.: Диалог-МГУ, 1998.