（サブ）カテゴリーが多くの機能特性によって定義され、それぞれの機能特性が多くのプリミティブに関して定義されるであろうから、全体的な評価測定値に達するために、個別のプリミティブの評価測定値の組み合わせが必要となる。その評価測定値は、T-normを使って組み合わされた機能特性ノードにおいて、個別のプリミティブ命令文によって返される。
このT-normは一般に確率積(probabilistic and: PAND)関数と呼ばれる。（サブ）カテゴリーノードのごく近い子孫の機能特性のノードの全てのための測定値は、同じT-normを使い結合される。直接の親カテゴリーノードディレクトリは、この方法で関連付けられた測定値を受けとる。子孫サブカテゴリーノードのために、それ自身の機能特性ノードによってノードに関連づけられた測定値は同じくT-normによって計算される。しかしながら、その親と一緒の子孫サブカテゴリーノードの組合わせは、Ｔ-conormを使って計算される。
このT-conormは一般に確率和(probabilistic or: POR)関数と呼ばれる。この特定のT-norm/T-conormの組は、例の形状のセットの間のそれらのパフォーマンスを分析した[24]後に、T-norm/T-conorm確率（非確率の式もボニソンとデッカーによって記されている[4]）の代表の間で選ばれる。機能特性の所見とサブカテゴリーとのＴ−ｃｏｎｏｒｍの関係を組み合わせるためにT-normを使うための原理は次のようである。要求される機能特性の接続詞としての(サブ)カテゴリーの定義のために、累積的な測定値は、個別のプリミティブ評価測定値でのもっとも弱いリンクに独占されるべきである。このように、基本カテゴリーに属するか、特別のサブカテゴリーに対応する機能性を持っているかの所見(evidence)は、T-normを使い組み合わされる。しかしながら、サブカテゴリー定義は特別な定義を増加するので、サブカテゴリーに属する所見は、ちょうど基本的なレベルのカテゴリーに対照した場合のサブカテゴリーに属する物体のために測定値を増加した測定値をもたらすべきである。例えば、[背もたれがまっすぐな椅子」として機能できる物体は、同じく定義機能によって「通常の椅子」とすることができる。T-conormはサブカテゴリー「背もたれがまっすぐな椅子」のための高い評価測定値の物体を与えるだろうから、親カテゴリー「通常の椅子」に属する形状のために必要とされる証拠の最小の量のほかにいくつかの評価がある。親カテゴリーが１の評価測定値を持っているとき、１つの例外が起こり、その場合Ｔ-conormは同様に１の評価測定値をサブカテゴリーに割り当てる。