基于區(qū)間值模糊集合的分類算法研究.pdf

1、分類是數(shù)據(jù)挖掘和模式識別的一個重要研究課題，在很多領(lǐng)域有著廣泛的應(yīng)用。目前，分類算法主要存在如下問題：分類過程的未知性、分類方法計(jì)算過于復(fù)雜且難以實(shí)現(xiàn)、分類結(jié)果的可解釋性差等。
　　針對以上問題，本文主要研究基于區(qū)間值模糊集合的分類算法，特別是針對高維數(shù)據(jù)時，如何得到更好的分類效果。
　　首先，本文分析了模糊集合與區(qū)間值模糊集合的相關(guān)概念和基本性質(zhì)，繼而分析并討論了區(qū)間值模糊集合之間的距離以及相似度的計(jì)算方法。在分析傳統(tǒng)模糊

2、推理規(guī)則缺點(diǎn)的基礎(chǔ)上，引入了區(qū)間值模糊推理產(chǎn)生式規(guī)則，將一條模糊推理規(guī)則轉(zhuǎn)化成一個區(qū)間值模糊集合，于是計(jì)算兩條模糊推理規(guī)則之間的相近程度就轉(zhuǎn)換為計(jì)算兩個區(qū)間值模糊集合相似程度的問題。由此本文提出一種基于加權(quán)區(qū)間值模糊集合的分類算法，該方法充分考慮了每個屬性對分類的貢獻(xiàn)程度，并通過仿真驗(yàn)證了該方法的有效性。
　　其次，針對高維數(shù)據(jù)的模糊分類算法研究相對較少，隨著數(shù)據(jù)維數(shù)的增加，區(qū)間值模糊集合的論域也在增加，這不僅增加了計(jì)算的復(fù)雜性，