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(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域的重要研究?jī)?nèi)容。分類是通過對(duì)已經(jīng)確定類別的數(shù)據(jù)進(jìn)行分析建模，然后根據(jù)所建立的模型對(duì)需要確定類別的數(shù)據(jù)進(jìn)行歸類的一項(xiàng)技術(shù)。屬性選擇作為分類技術(shù)的數(shù)據(jù)預(yù)處理環(huán)節(jié)，能夠刪除冗余和干擾屬性，極大的簡(jiǎn)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(xué)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(shè)計(jì)了基于數(shù)據(jù)的模糊規(guī)則分類器。在分類器的預(yù)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(fù)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(jiǎn)化過程中，提出了一種新的置信度計(jì)算方法:計(jì)算生成每條規(guī)則的樣本個(gè)數(shù)占總樣本集個(gè)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(yàn)和Holm檢驗(yàn)結(jié)果表明，新的置信度計(jì)算方法顯著的優(yōu)于傳統(tǒng)置信度方法。最后應(yīng)用了剪枝算法再次簡(jiǎn)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(duì)本文分類器性能進(jìn)行了檢驗(yàn)，并與其他五種決策樹分類器在準(zhǔn)確率和規(guī)則數(shù)上進(jìn)行了比較。實(shí)驗(yàn)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(zhǔn)確率高于其他五種分類方法，并且能夠用較少的規(guī)則對(duì)數(shù)據(jù)的每一個(gè)類別的特征進(jìn)行準(zhǔn)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)