1.2. Нечеткая модель оценивания финансовой состоятельности клиентов

При построении нечеткой модели оценки финансовой состоятельности потенциальных клиентов было сделано предположение о том, что все рассматриваемые переменные измеряются в баллах в интервале действительных чисел от 0 до 10.

При этом самая низкая оценка значения каждой из переменных является 0, а самой высокой - 10.

1.3. Фаззификация входных и выходных переменных

В качестве терм-множества первой входной переменной "Местоположение" (Location) будем использовать множество Т₁={"непрестижное", "престижное", "очень престижное"} или в символическом виде Т₁={PS, PM, РВ} с функциями принадлежности термов, изображенными на рис. 14.

Рисунок 14. Графики функций принадлежности для термов лингвистической переменных "Местоположение".

Рисунок 15. Графики функций принадлежности для термов лингвистической переменных "Отделка".

В качестве терм-множества второй входной переменной "Отделка" (Work-thip) будем использовать аналогичное множество Т₂={''плохая"', "хорошая", "прекрасная") или в символическом виде Т₂={PS, PM, РВ} с функциями принадлежности термов, изображенными на рис 15.

В качестве терм-множества третьей лингвистической переменной "Активы" (Asset) будем использовать множество Т₃={"низкие", "средние", "высокие"} или символическом виде Т₃={PS, PM, РВ} с функциями принадлежности термов, изображенными на рис. 16.

В качестве терм-множества четвертой лингвистической переменной "Доход" (Income) будем использовать аналогичное множество Т₄={"низкий", "средний" "высокий"} или в символическом виде Т₄={PS, РМ, РВ} с функциями принадлежности термов, изображенными на рис. 17.

Рисунок 16. Графики функций принадлежности для термов лингвистической переменной "Активы", измеряемой в баллах.

Рисунок 17. Графики функций принадлежности для термов лингвистической переменной "Доход", измеряемой в баллах.

В качестве терм-множества пятой лингвистической переменной "Выплаты" (Interest) будем использовать аналогичное множество Т₅={"низкие", "средние", "высокие"} или в символическом виде Т₅={PS, РМ, РВ} с функциями принадлежности термов, изображенными на рис. 18.

В качестве терм-множества выходной лингвистической переменной "Кредитоспособность" (Credit) будем использовать множество Т₆={"очень низкая", "низкая", "средняя", "высокая", "очень высокая"} или в символическом виде Т₆={NВ, NS, Z, PS, РВ} с функциями принадлежности термов, изображенными рис. 19.

Рисунок 18. Графики функций принадлежности для термов лингвистической переменной "Выплаты", измеряемой в баллах.

Рисунок 19. Графики функций принадлежности для термов лингвистической переменной "Выплаты", измеряемой в баллах.

1.4. Формирование базы правил систем нечеткого вывода

Следующим этапом построения модели является построение базы правил. Для этой цели будем использовать 40 правил нечетких продукций, которые удобно представить в виде следующей табл. 1.

Таблица 1

Правила нечетких продукций для рассматриваемой системы нечеткого вывода

№	Местоположение	Отделка	Активы	Доход	Выплаты	Кредитоспособность
1				PS	РМ	NB
2				PS	PB	NB
3				РМ	PB	NB
4			PS	PS		NB
5			PS	РМ		NB
6			РМ	PS		NB .
7		PS	PS	РВ		NB
8		PS	РМ	РМ		NB
9		PS	РВ	PS		NB
10		PS	РВ	РМ		Z
11	PS	РМ	PS	РВ		Z
12	PS	РВ	PS	РВ		Z
13	РМ	РМ	PS	РВ		Z
14	РВ	РМ	PS	РВ		Z
15	PS	РМ	РМ	РМ		Z
16	PS	РВ	РМ	РМ		Z
17	РМ	РМ	РМ	РМ		Z
18	РВ	РМ	РМ	РМ		Z
19	PS	РМ	РВ	PS		Z
20	PS	РВ	РВ	PS		Z
21	РМ	РМ	РВ	PS		Z
22	РВ	РМ	РВ	PS		Z
23	PS	РМ	РВ	РМ		Z
24	PS	РВ	РВ	РМ		Z
25	РМ	РМ	РВ	РМ		Z
26	РВ	РМ	РВ	РМ		Z
27	РМ	РВ	РМ	РВ		РВ
28	РМ	РВ	РВ	РВ		РВ
29	РВ	РВ	РМ	РВ		РВ
30	РВ	РВ	РВ	РВ		РВ
31	PS	РМ	РМ	РВ		PS
32	PS	РВ	РМ	РВ		PS
33	РМ	РМ	РМ	РВ		PS
34	РВ	РМ	РМ	РВ		PS
35	PS	РМ	РВ	РВ		PS
36	PS	РВ	РВ	РВ		PS
37	РМ	РМ	РВ	РВ		PS
38	РВ	РМ	РВ	РВ		PS
39	РМ	РВ				PS
40	РВ	РВ				PS

В качестве схемы нечеткого вывода будем использовать метод Мамдани, поэтому методом активации будет MIN. Далее необходимо определить методы агрегирования подусловий. Поскольку во всех шах 1-40 в качестве логической связки для подусловий применяется только нечеткая конъюнкция (операция "И"), то в качестве метода агрегирования будем использовать операцию min-конъюнкции. Для аккумуляции заключений правил будем использовать метод max-дизъюнкции, который также применяется в случае схемы нечеткого вывода методом Мамдани. Наконец, в качестве метода дефаззификации будем использовать метод центра тяжести.