基于AFS理論的模糊分類器設(shè)計(jì).pdf

1、AFS(Axiomatic Fuzzy Set)理論是一種新的處理模糊數(shù)據(jù)的方法。在AFS理論框架內(nèi)，模糊集的隸屬函數(shù)及其邏輯運(yùn)算可以依據(jù)原始數(shù)據(jù)和相關(guān)信息給出，從而使得隸屬函數(shù)和模糊邏輯的建立更客觀、嚴(yán)密和統(tǒng)一。目前，AFS理論已初步應(yīng)用于數(shù)據(jù)挖掘、模式識別、故障診斷等領(lǐng)域。
　　 基于AFS模糊邏輯的模糊分類器能夠給出數(shù)據(jù)的類別描述，對測試數(shù)據(jù)具有較高的分類準(zhǔn)確率，但給出的數(shù)據(jù)類別描述過于復(fù)雜，不易理解?；诖?，本文從構(gòu)造方

2、法上改進(jìn)了AFS模糊邏輯的模糊分類器，構(gòu)建了一個新的分類器設(shè)計(jì)方法。首先，用AFS邏輯運(yùn)算對模糊概念進(jìn)行聚合，在聚合過程中應(yīng)用了決策樹構(gòu)建方法，使得這種聚合更加高效，快捷。其次，用衡量類內(nèi)，類外隸屬度的方法來篩選聚合后的模糊概念，并建立對應(yīng)的模糊規(guī)則。由于在聚合過程中，本文控制了決策樹的深度，所以設(shè)計(jì)的分類器在很大程度上降低了數(shù)據(jù)類別描述的復(fù)雜度。然后，在測試過程中，又對得到的規(guī)則進(jìn)行加權(quán)處理，而不是僅僅依靠某一個規(guī)則的分類信息來對樣本