Sugestões para Aperfeiçoar a Função Critério

Uma forma de aperfeiçoar a função critério que nós propusemos é a utilização de mais suportes por classes. O uso de apenas um suporte por classe (como foi feito) não é uma boa maneira de se obter uma descrição completa das tipicalidades de um aglomeramento no espaço de claracterísticas. Além disso, a função de fuzzyficação utilizada é muito simples e não descreve com precisão a distribuição dos padrões dos conjuntos nebulosos, pois somente os padrões coincidentes com os suportes (protótipos) dos conjuntos possuem grau de pertinência máximo (igual a 1). Há métodos de fuzzyficação que fazem com que regiões (não pontuais) dos conjuntos tenham grau de pertinência máximo. Outro ponto que pode ser aprimorado no processo de fuzzyficação refere-se ao grau de pertinência dos padrões às diferentes classes. Neste trabalho, foi considerado que $\nu_{\omega_i}({\bf x}_j) = 0$, $\forall {\bf x}_j \notin \omega_i$. Com isso, a distância nebulosa perde informação a respeito da distância entre os protótipos desses dois conjuntos ($\omega _i$ e $\omega_j: {\bf x}_j \in \omega_j$) quando a bola não for grande o bastante para englobar elementos das duas classes. Para eliminar esse problema, é necessário implementar uma nova função de fuzzyficação que considere o grau de pertinência de cada padrão a todos os conjuntos existentes no espaço de características.