Extracting easily interpreted diagnostic rules

سیستم های تشخیصی اغلب با توجه به هزینه های بالای آنها، نتیجه گیری پیچیده و عدم توانایی تغییر پایگاه دانش مورد غفلت قرار می گیرند. هدف از این کار، پیشنهاد دادن یک روش است که به حل این مشکلات کمک می کند با استخراج قوانین تشخیصی که توسط متخصصین قابل تفسیر و تایید است. قوانین را می توان از داده ها بدست آورد، حتی اگر دومی ناقص باشد، که معمولا در پایگاه های پزشکی است. بعد، استدلال بصری روشن است که برای تشریح دقیق تر پیشنهاد شده است. قوانین عناصر کانونی در چارچوب نظریه دمپستر-شافر هستند. آنها شامل مجموعه های فازی در محل خود می شوند. بنابراین، اندازه گیری نامشخص به عنوان یک تابع عضویت فازی و اندازه گیری عدم قطعیت به عنوان ارزش احتمالی اساسی استفاده می شود. علاوه بر این، یک الگوریتم انتخاب حقیقی و یک روش ارزیابی قانون است که مانع از برخی از نواقص روش های موجود می شود. توجه خاص به ارزیابی قانون استخراج شده مطابق با اطمینان و وضوح آن برای یک کاربر انسانی صورت می گیرد. نتایج تجربی برای مجموعه داده های پزشکی محبوب نشان دهنده مزایای رویکرد پیشنهادی است. برای هر مجموعه داده، مجموعه قوانین ساده و قابل خواندن تعیین می شود. آنها نتایج قابل مقایسه یا بهتر از رویکردهای منتشر شده تا کنون ارائه می دهند.