Способ контекстной оценки объектов и систем с неоднородными наборами свойств с использованием метода битовой фазификации нечётких значений на примере оценки племенной ценности животных.
Оценка племенной ценности животных является важной задачей в современном животноводстве. Правильная стратегия в отборе племенных особей позволяет повысить продуктивность стада, улучшить генетическое здоровье популяции, что ведёт к повышению экономической эффективности хозяйств. Однако традиционные методы оценки племенной ценности ограничены строгими статистическими подходами, которые не всегда учитывают сложность и вариативность фенотипических характеристик.
В современном животноводстве широко применяются индексы TPI (Total Performance Index) и NM$ (Net Merit Dollars), основанные на анализе родословных данных, фенотипических признаков и экономической значимости характеристик. Эти индексы позволяют проводить сравнительный анализ животных внутри популяции, однако они имеют ряд недостатков, таких как фиксированные весовые коэффициенты, строгие пороговые значения и отсутствие гибкости в интерпретации характеристик животных.
В данной работе вводится новый метод анализа нечётких данных – Метод битовой фазификации (Fuzzy Bit Encoding). Этот метод позволяет преобразовывать нечёткие множества в бинарное представление, обеспечивая компактность хранения, удобство математического анализа и возможность быстрого сравнения фазифицированных признаков.
Одновременно предлагается практическое применение метода битовой фазификации для оценки племенной ценности животных. В основе данного подхода лежит созданный автором индекс SFI (Stukalin Fuzzy Index), основанный на методе битовой фазификации. Эти данные формируют нечёткие битовые векторы (Fuzzy Bit Vector) , состоящие из нечётких битовых слотов (Fuzzy Bit Slot) . Таким образом, предложенный метод битовой фазификации является не только инструментом для анализа племенной ценности животных, но и универсальным способом обработки нечётких данных в бинарной форме.
Применение нечётких битовых слотов и нечёткого битового вектора позволяет:
- Гибко анализировать фенотипические характеристики животных без строгих пороговых значений.
- Компактно представлять информацию о признаках с возможностью эффективного хранения и передачи данных.
- Упрощать процесс сравнения животных за счёт битового кодирования, где каждый нечёткий битовый вектор можно интерпретировать как числовое значение.
- Адаптировать индекс к потребностям конкретного хозяйства, племени, региона, породы или даже страны, позволяя учитывать локальные особенности селекции и экономической значимости характеристик.
В данной статье также вводятся новые понятия для теории нечётких множеств, такие как Нечёткий битовый слот (Fuzzified Bit Slot) и Нечёткий битовый вектор (Fuzzy Bit Vector), которые формализуют процесс бинарного кодирования фазифицированных данных. Эти понятия открывают новые возможности в обработке нечётких данных, упрощая их анализ и сравнение с использованием битовых операций.