Elle est elle même présentée sous a forme de deux options :
Une contrainte de distance minimale entre les noyaux de 2 SEF adjacents est proposée, elle est par défaut à 1% de l'étendue de chaque variable.
Une option validation croisée est disponible. Des paires d'échantillons apprentissage test sont générées, 10 par défaut. Pour chaque paire, un système optimisé est conçu à partir du fichier d'apprentissage et sa performance est mesurée sur le fichier test correspondant. Les systèmes optimisés sont ensuite agrégés en un système final. Chacun des paramètres est remplacé par la médiane du même paramètre dans les systèmes optimisés. Le système final est, en général, plus performant en moyenne sur les échantillons de test que chacun des systèmes optimisés.
Présentation détaillée du module d'optimisation dans :
Serge Guillaume et Brigitte Charnomordic. Parameter optimization of a fuzzy inference system using the fispro open source software. In IEEE Catalog Number: CFP12FUZ-USB, editor, IEEE International Conference on Fuzzy Systems, pages 402-409, Brisbane, Australia, June 2012. IEEE.
Il est conseillé de procéder par étapes successives, plutôt que de tout optimiser à la fois. On reprendra alors l'optimisation à partir du SIF créé par la procédure d'optimisation précédente.
Quelle que soit la partie du SIF optimisée, cette optimisation est basée sur une amélioration en terme de performance du SIF.
L'algorithme peut obéir à des contraintes, qui seront choisies par l'utilisateur. Les solutions trouvées par l'algorithme ne sont retenues que si les contraintes sont respectées.
Paramètres :
A augmenter pour laisser plus de chances à l'algorithme de trouver une solution.
Donne accès à une fenêtre popup, qui permet de règler des paramètres fins de l'algorithme
Initialisation du générateur aléatoire.
Parties du SIF à optimiser :
Dans la fenêtre, les cases cochées indiquent les parties du SIF à optimiser.
Cette case permet de sélectionner/déselectionner d'un coup tous les SEF de toutes les entrées, dont les paramètres seront modifiés.
Cette case permet de sélectionner/déselectionner d'un coup toutes les règles dont les conclusions seront modifiés
Si cette case est cochée, les partitions sont sous la forme de partitions floues fortes, afin de garantir le respect de la sémantique [4] et donc l'interprétabilité des règles.
Pour chacune des entrées, liste de ses SEF et case à cocher pour optimiser chacun d'entre eux.
Pour la sortie :
Si la sortie est floue, choix PFF/non PFF, et des SEF à optimiser, comme pour les entrées.
Pour chacune des règles, case à cocher pour optimiser sa conclusion. Si la sortie est nette, l'option Vocabulaire de sortie limité permet de limiter les valeurs des conclusions des règles optimisées à une permutation des valeurs présentes dans la configuration du SIF. Sinon, les conclusions peuvent être quelconques.
Permet d'afficher la clé pour la donner en argument du programme fisopt.
Résultat
Si une solution meilleure que le SIF initial est trouvée par la procédure, un nouveau SIF correspondant au SIF optimisé est crée et s'ouvre dans une nouvelle fenêtre. Sinon, un message d'avertissement apparaît.
Un fichier perf.res est créé, contenant les performances du SIF initial, de chaque SIF optimisé, du SIF médian, calculées sur le jeu de données initial, sur chaque échantillon de test et sur chaque échantillon d'apprentissage.