fa ایجاد پایگاه قواعد فازی به کمک بردارهای پشتیبان تخصصي Special كاربردي Applicable <div style="text-align: justify;"><strong><span style="font-size:14px;"><span style="font-family:B Nazanin;">در این مقاله یک سیستم استخراج قواعد فازی طراحی شده و ایده استفاده از این روش در طراحی پایگاه قواعد فازی مورد توجه قرار گرفته است. ابتدا ماشین بردار پشتیبان فازی مبتنی بر روش خوشه&shy; بندی طراحی شده است. دراین صورت ماشین بردار پشتیبان عملکرد بهتری در داده‌های نویزی یا داده‌های خارج از محدوده خواهد داشت و در نتیجه به نظر می‌رسد که قواعد استخراج شده از آن، دقت بالاتری داشته‌ باشند. مدل ماشین بردار پشتیبان فازی شبیه &shy;سازی شده و سپس از بردارهای پشتیبان آن برای استخراج قواعد فازی استفاده می &shy;شود. قواعد استخراج شده، قواعد فازی هستند که به شکل &quot;اگر-آنگاه&quot; به &shy;دست می‌آیند. استخراج قواعد به کمک دو مدل ماشین بردارپشتیبان ساده و ماشین بردار پشتیبان فازی صورت گرفته که نشان داده خواهد شد که قواعد استخراج شده از ماشین بردار پشتیبان فازی در اکثر موارد دقت بهتری در طبقه‌بندی نسبت به ماشین بردار پشتیبان معمولی دارند و با توجه به این موضوع که تعداد قواعد استخراج شده پارامتر مهمی در صحت عملکرد این پایگاه محسوب می‌شود، تعداد قواعد استخراج شده در روش فازی در اکثر موارد کمتر است.</span></span></strong></div> <div style="text-align: justify;"><strong>In this paper, a fuzzy rule extraction system is designed and the idea of ​​using this method in designing a fuzzy rule database is considered. First, the fuzzy backup vector machine is designed based on the clustering method. In this case, the backup vector machine will perform better in noise data or out-of-range data, and as a result, the rules extracted from it seem to be more accurate. The fuzzy backup vector machine model is simulated and then its backup vectors are used to derive fuzzy rules. The extracted rules are fuzzy rules that are obtained in the form of &quot;if-then&quot;. The rules are extracted using two models of simple support vector machine and fuzzy support vector machine, which will show that the rules extracted from fuzzy backup vector machine in most cases have better accuracy in classification than ordinary backup vector machine. The number of extracted rules is an important parameter in the accuracy of the operation of this database, the number of rules extracted in the fuzzy method is less in most cases.</strong></div> ماشین‌بردارپشتیبان, پایگاه‌قواعدفازی, بردارپشتیبان, خوشه‌بندی‌فازی, طبقه‌بندهای‌فازی Support vector machine, fuzzy rule base, fuzzy clustering, fuzzy classification. 61 67 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-220-2&slc_lang=fa&sid=1 Soheila Najafi Gojani سهیلا نجفی گوجانی 10031947532846001236 10031947532846001236 No Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran Seyed Hamid Mahmoodian سیدحمید محمودیان h_mahmoodian@pel.iaun.ac.ir 10031947532846001237 10031947532846001237 Yes Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran, Digital Processing and Machine Vision Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran