Cette procédure gère l'ensemble des sorties du SIF, et ignore les règles existantes.
Elle commence par initialiser une règle à partir de chacun des exemples de l'ensemble des données.
Celle qui correspond à l'exemple s'écrit :
.
Les sous-ensembles flous sont ceux pour lesquels le degré d'appartenance de est maximum pour chacune des variables d'entrée pour l'exemple . Le sous-ensemble flou est celui pour lequel le degré d'appartenance de la sortie observée, , est maximum.
Si la sortie est nette, une conversion interne à la procédure crée des SEF centrés sur les valeurs de sortie, et retransforme ensuite les conclusions des règles en valeurs égales aux centres des SEF.
Un degré est assigné à chacune des règles. Il est calculé comme le poids de la règle pour l'exemple. Lorsque deux règles sont générées avec les mêmes prémisses, seule celle dont le degré est le plus fort est conservée.
Cette option est très simple d'emploi, elle ne requiert aucun paramètre.
Limite : Dans le cas de sorties nettes le nombre de valeurs distinctes est limité à MAX_CLASS, soit 15 actuellement. Un paramètre, Pas de limite, permet de repousser celle-ci à MAX_MF, soit 999. Si ce paramètre est activé et que le nombre de valeurs distinctes pour la sortie dans l'ensemble d'apprentissage est supérieur, alors une procédure de groupage, les kmeans, est appliquée pour trouver MAX_MF centres.