基于AFS模糊邏輯的分類分析方法研究.pdf

1、AFS理論是劉曉東教授于1995年首先提出的；它是Axiomatic Fuzzy Sets的縮寫，即公理模糊集；能被用來研究人類思維的法則，便于計算機操作，較好地揭示人靠經驗和直覺描述復雜的模糊概念以及確定相應模糊概念的隸屬函數的內在機理。AFS理論是從問題的原始數據出發(fā)，用．AFS結構、AFS代數的運算和其上的一個逆序對合運算來建立模糊邏輯系統(tǒng)，用拓撲分子格刻劃人類概念之間的抽象關系，使得隸屬函數和模糊邏輯系統(tǒng)的建立更具客觀性、嚴密性

2、和統(tǒng)一性。AFS理論已經嘗試著被應用于聚類分析、模式識別和故障診斷等領域。 本文對AFS模糊邏輯的聚類分析算法(X．D．Liu，W．Wang and T．Y Chai．IEEETransaction on Systems，Man，Cybernetics，2005)進行了進一步的研究，對其置信度算法進行了改進，并將改進后的指標應用到含有150個樣本的Iris數據(見ftp：//flp．ics．uci．edu/pub/machine

3、-learning-databases/Iris/)。本文的算法只用到了樣本屬性上的序關系。本研究表明只用樣本屬性上的序關系，AFS模糊邏輯分類分析算法也能夠獲得很高的準確率，因此此算法能夠很好的應用到那些樣本屬性只能用序關系描述而無法用數值描述的數據集。并且對X．D．Liu，W．Wang and T．Y．Chai定義的模糊聚類指標進行修改，并做進一步的研究，同時在X．D．Liu，W．Wang andTY．Chai提出的AFS模糊邏輯聚