基于模糊区域分布的分类规则提取及推理算法

被引：12

作者：

李洁 ^{[1
]}

邓一鸣 ^{[2
]}

沈士团 ^{[2
]}

机构：

[1] (信息产业部电信研究院通信标准研究所

[2] 北京航空航天大学电子信息工程学院

来源：

计算机学报 | 2008年 / 06期

关键词：

分类规则; 分类推理; 解模糊器; 模糊区域分布;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于不同分类的样本在各规则对应模糊区域的隶属度分布,定义了一种规则相对匹配度,比分类匹配度更能体现样本在不同模糊区域的分布对比.设计了模糊区域分布矩阵,由该矩阵可以算得规则相对匹配度和分类匹配度,并提出了基于规则相对匹配度的分类规则提取算法,同分类匹配度算法相比,该算法充分考虑了每条规则之间的隶属度分布对比,同时以各分类样本的相对数量作为加权系数,从而兼顾了学习空间的全局密度优势和局部数量优势.通过解模糊器实现了基于规则的分类推理,其推理过程比以往算法具有更好的解释性和简洁性.最后,由Iris数据和Wine数据的分类实验证明:无论样本数量均衡与否,由规则相对匹配度提取规则都具有更好的分类效果.

引用

页码：934 / 941

页数：8

共 8 条

[1] 基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计 [J].

邢宗义 ;

张永 ;

侯远龙 ;

贾利民 .

电子学报, 2006, (01) :83-88

[2] 一种基于动态聚类的模糊分类规则的生成方法 [J].

阳爱民 ;

胡运发 .

小型微型计算机系统, 2005, (09) :1540-1545

[3] 基于粒子群优化算法的模式分类规则获取 [J].

高亮 ;

高海兵 ;

周驰 ;

喻道远 .

华中科技大学学报(自然科学版), 2004, (11) :24-26

[4]

模糊系统与模糊控制教程[M]. 清华大学出版社 , 王立新著, 2003

[5]

Genetic feature selection in a fuzzy rule-based classification system learning process for high-dimensional problems[J] . J Casillas,O Cordón,M.J Del Jesus,F Herrera.Information Sciences . 2001 (1)

[6] Voting in fuzzy rule-based systems for pattern classification problems [J].

Ishibuchi, H ;

Nakashima, T ;

Morisawa, T .

FUZZY SETS AND SYSTEMS, 1999, 103 (02) :223-238

[7] A fuzzy consensus aggregation operator [J].

Kuncheva, LI ;

Krishnapuram, R .

FUZZY SETS AND SYSTEMS, 1996, 79 (03) :347-356

[8] Approximate reasoning approach to pattern recognition [J].

Ray, KS ;

Ghoshal, J .

FUZZY SETS AND SYSTEMS, 1996, 77 (02) :125-150

← 1 →