본 논문은 퍼지 규칙 기반 분류기의 해석성을 높이기 위해, 퍼지 규칙 기반 분류기를 명확한(crisp) 규칙 기반 분류기로 변환하는 방법론을 제시합니다. 퍼지 규칙 기반 분류기는 해석 가능한 AI(Explainable AI)의 한 형태로 인기가 많지만, 퍼지 개념에 대한 이해 부족이나 퍼지 분할의 해석 어려움으로 인해 퍼지 분야 밖에서는 확장성이 낮다는 한계를 지적합니다. 본 논문에서는 다양한 명확한 기술 방식을 연구하고 이를 얻기 위한 알고리즘을 구현하며, 결과적으로 생성된 명확한 분류기의 복잡도를 분석합니다. 이를 통해 퍼지 및 비퍼지 전문가 모두 퍼지 규칙 기반이 특징 공간을 분할하는 방식과 서로 다른 시스템 간의 변환 용이성을 더 잘 이해하도록 돕고, 복잡도 측정 기준을 통해 서로 다른 퍼지 분류기 선택에 도움을 줄 수 있다고 주장합니다.
