• 한국지능시스템학회논문지
• /
• 제18권1호
• /
• pp.139-144
• /
• 2008

일반적으로 의사결정의 대상이 되는 현실 시스템은 매우 가변적(variable)이며 때로는 많은 불확실성(uncertainty)이 포함된 상황에 놓일 수 있다. 이러한 문제를 해결하기 위해서, 통계적 방법으로 유의수준이나 확신도, 민감도 분석 등이 사용된다. 본 논문에서는 유사성 평가를 가진 분류 결과의 명확성을 개선하기 위해 MFAC(Multiple Fuzzy Alpha Cut)을 기반으로한 퍼지 의사결정에 대한 방법을 제안한다. 제안된 방법에서 MFAC는 상대적 해밍거리와 max-min 방법 사이의 근접관계에서 근접도를 가지고 다수의 ${\alpha}$-level를 추출하기 위해 그리고 MFAC에 의해 추출된 데이터사이의 분할 구간과 연관된 데이터의 개수를 줄이기 위해 사용된다. 의사결정의 최종 대안을 선택하기 위해서 가중치를 계산한다. 실험결과로부터 제안된 방법은 기존 방법의 분류 성능보다 더 간단하고 명백하며 통계적 방법을 통해 표본 데이터의 유의성을 검정함으로써 의사결정자를 위해 효율적으로 대안을 결정한다는 사실을 알 수 있다.