Сравнительный анализ качества редукции для вероятностной и возможностной моделей измерения

В работе сравниваются несколько новых и известных методов решения задачи интерпретации данных измерительного эксперимента для вероятностных и возможностных моделей измерений и анализируется зависимость их качества от полноты и точности модели измерительного эксперимента. Показано, что оптимальное использование имеющейся у исследователя априорной информации о модели измерения позволяет значительно повысить точность интерпретации данных измерения. В ряде показанных случаев качество возможностной редукции оказалось лучше, чем вероятностной, хотя в возможностной редукции минимизируется не величина погрешности, как в вероятностной, а ее необходимость. Это связано с тем, что априорная информация может быть достаточна для того, чтобы моделировать входной сигнал нечетким вектором, но недостаточна для того, чтобы его моделировать случайным вектором.