一种新的基于模糊评判的无导师分类方法
模糊集合理论的核心是建立研究对象的隶属度函数，通过隶属度函数来研究论域中元素之间的接近程度。分类是按某种标准来鉴定论域中元素之间的接近程度，把彼此接近的对象归为一类，显然，分类是按我们确定的隶属度函数来研究分类对象的。在模式识别或者分类问题中，我们首先要解决的问题是数据的离散归一化问题，对于离散数据的归一化应该满足：属性离散归一化后的空间维数尽量小，也就是离散归一化后的属性值的种类尽量少；属性值被离散归一化后的信息丢失尽量少。本质上可以归结为利用选取的断点来对条件属性构成的空间进行划分的问题，则离散归一化就是一个空间划分优化编码问题，因此，数据的离散归一化将直接影响分类的结果。本文提出利用模糊聚类构建隶属函数的概念，首先对分类数据进行模糊离散归一化处理，建立分类数据间的相似关系，得到分类数据的相似矩阵，通过相似矩阵的传递变换和λ-截矩阵运算，得出数据的分类矩阵，从而实现数据的分类。为了实现对相似矩阵的传递变换、λ-截矩阵和分类矩阵的快速运算，我们还提出可以硬件实现的一个并行计算的网络。最后本文给出了一个基于模糊评判的分类方法的应用实例，实验结果证明了该方法的可行性。
模糊评判 无导师分类 模糊集 隶属度函数 相似矩阵 矩阵运算
范欣修 曾黄麟
四川理工学院电子与信息工程系,四川自贡 643000
国内会议
第七届中国Rough集与软计算、第一届中国Web智能、第一届中国粒计算联合会议(CRSSC-CWI-CGrC”2007)
太原
中文
47-49
2007-08-01（万方平台首次上网日期，不代表论文的发表时间）