基于數(shù)據(jù)的模糊規(guī)則分類算法研究.pdf

1、分類以及屬性選擇問題是模式識別和機器學習等領(lǐng)域的重要研究內(nèi)容。分類是通過對已經(jīng)確定類別的數(shù)據(jù)進行分析建模，然后根據(jù)所建立的模型對需要確定類別的數(shù)據(jù)進行歸類的一項技術(shù)。屬性選擇作為分類技術(shù)的數(shù)據(jù)預處理環(huán)節(jié)，能夠刪除冗余和干擾屬性，極大的簡化了分類器的構(gòu)建過程，在分類技術(shù)中發(fā)揮著越來越重要的作用。
　　直接從數(shù)據(jù)提取模糊規(guī)則的方法自1992年由學者Lixin Wang和Jerry M.Mendel提出以來，一直是模糊智能領(lǐng)域的經(jīng)典算法

2、。本文將該算法的適用條件拓展到離散型輸出系統(tǒng)中并在此理論基礎(chǔ)上設計了基于數(shù)據(jù)的模糊規(guī)則分類器。在分類器的預處理階段，提出了基于鄰域的貪婪屬性選擇算法，該算法能夠從原始屬性集中選擇出重要性最大的r種條件屬性，降低了分類算法的復雜度，提高了分類器的構(gòu)建效率。在規(guī)則庫的去沖突規(guī)則的簡化過程中，提出了一種新的置信度計算方法:計算生成每條規(guī)則的樣本個數(shù)占總樣本集個數(shù)的比值，將該比值作為該規(guī)則的置信度。新方法和傳統(tǒng)置信度方法在10組UCI數(shù)據(jù)集上的

3、Friedman檢驗和Holm檢驗結(jié)果表明，新的置信度計算方法顯著的優(yōu)于傳統(tǒng)置信度方法。最后應用了剪枝算法再次簡化了規(guī)則庫，提高了規(guī)則庫的質(zhì)量。
　　在7組UCI數(shù)據(jù)集上對本文分類器性能進行了檢驗，并與其他五種決策樹分類器在準確率和規(guī)則數(shù)上進行了比較。實驗結(jié)果表明，本文建立的分類器在7組數(shù)據(jù)集上的平均分類準確率高于其他五種分類方法，并且能夠用較少的規(guī)則對數(shù)據(jù)的每一個類別的特征進行準確的描述，分類性能優(yōu)于其他五種決策樹方法，并且結(jié)構(gòu)