Um algoritmo fuzzy K-vizinhos mais próximos

A classificação de objetos é uma área importante de pesquisa e aplicação em diversos campos. Na presença do conhecimento completo das probabilidades subjacentes, a teoria da decisão de Bayes fornece taxas de erro ótimas. Nos casos em que essa informação não está disponível, muitos algoritmos utilizam a distância ou similaridade entre amostras como meio de classificação. A regra de decisão K-vizinhos mais próximos tem sido frequentemente usada nesses problemas de reconhecimento de padrões. Uma das dificuldades que surge ao utilizar essa técnica é que cada uma das amostras rotuladas recebe igual importância para decidir as associações de classe do padrão a ser classificado, independentemente de sua 'tipicidade'. A teoria dos conjuntos fuzzy é introduzida na técnica de K-vizinhos mais próximos para desenvolver uma versão fuzzy do algoritmo. Três métodos de atribuição de pertencimentos fuzzy às amostras rotuladas são propostos, e resultados experimentais e comparações com a versão rígida são apresentados.