基于改進(jìn)的多級模糊模式識別的分類研究.pdf

1、隨著人類社會和計算機(jī)技術(shù)的飛速發(fā)展，電子數(shù)據(jù)的積累出現(xiàn)了爆炸式的增長。這些海量的電子數(shù)據(jù)里面無疑隱藏著豐富的對人類深具價值的知識，而傳統(tǒng)的數(shù)據(jù)分析工具只能利用其中的很少一部分。近年來不斷完善發(fā)展的數(shù)據(jù)挖掘技術(shù)恰恰能幫助人們從數(shù)據(jù)中發(fā)現(xiàn)大量的隱藏知識，而數(shù)據(jù)分類正是其中的極其重要的技術(shù)方法之一。準(zhǔn)確率、速度、強(qiáng)壯性、可伸縮性、可解釋性是評估分類方法的五條標(biāo)準(zhǔn)，也是對方法進(jìn)行改進(jìn)的突破口。 本文針對傳統(tǒng)的多級模糊模式識別的分類方法沒

2、有考慮屬性之間關(guān)系，導(dǎo)致分類具有片面性，且在處理高維數(shù)據(jù)時效率比較低的不足，提出了一種新的應(yīng)用于一般問題的改進(jìn)多級模糊模式識別的方法。 該方法首先重點(diǎn)考慮對象屬性間影響較大的因素，以此建立影響對象分類的屬性之間的簡化關(guān)系，全面地反映了客觀事實(shí)，很好地解決了多對象、多因素問題；然后針對分類標(biāo)準(zhǔn)為對象屬性分類的離散值，存在對象屬性值介于中間狀態(tài)不便分類問題，通過取分類級別的中間值建立屬性值所屬級別的矩陣，再結(jié)合樣本屬性相對隸屬度矩陣