基于afs理论的模糊分类器设计

《基于afs理论的模糊分类器设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文基于AFS理论的模糊分类器设计姓名：陈诚申请学位级别：硕士专业：控制理论与控制工程指导教师：刘晓东20091201大连理工大学硕士学位论文摘要AFS(AxiomaticFuzzySet)理论是一种新的处理模糊数据的方法。在AFS理论框架内，模糊集的隶属函数及其逻辑运算可以依据原始数据和相关信息给出，从而使得隶属函数和模糊逻辑的建立更客观、严密和统一。目前，AFS理论已初步应用于数据挖掘、模式识别、故障诊断等领域。基于AFS模糊逻辑的模糊分类器能够给出数据的类别描述，对测试数据具有较高的分类准确率，但

2、给出的数据类别描述过于复杂，不易理解。基于此，本文从构造方法上改进了AFS模糊逻辑的模糊分类器，构建了一个新的分类器设计方法。首先，用AFS逻辑运算对模糊概念进行聚合，在聚合过程中应用了决策树构建方法，使得这种聚合更加高效，快捷。其次，用衡量类内，类外隶属度的方法来筛选聚合后的模糊概念，并建立对应的模糊规则。由于在聚合过程中，本文控制了决策树的深度，所以设计的分类器在很大程度上降低了数据类别描述的复杂度。然后，在测试过程中，又对得到的规则进行加权处理，而不是仅仅依靠某一个规则的分类信息来对样本进行分类。最后，和原分类器进行

3、比较，本文给出的分类器在降低了类别描述复杂度的情况下，同样具有较高的分类准确率。在Wine，Breast，Iris三个数据集检验了本文分类器的性能，并和C4．5，KNN，DecisionTable，JRip，NNge，OneR，PART,Ridor等经典分类方法进行比较。本文分类器的准确率均在95％左右，在一定程度上优于上述方法而且语义规则简洁。关键词：AFS理论；分类器；决策树；概念描述基于AFS理论的模糊分类器设计TheFuzzyClassifierBasedonAFSTheoryAbstractAFS(Axiomat

4、icFuzzySet)theoryWaSproposedfirst弱anewanalysismethodoffuzzymathematics．IntheframeworkofAFStheory,themembershipfunctionsandtlleirlogicoperationsforfuzzyconceptsCanbeimpersonallydeterminedaccordingtooriginaldataandfacts．AFStheoryhasbeenappliedtodatamining，patternrec

5、ognitionandfailurediagnosis．ProfessorLiuproposedafuzzyclassificationalgorithmbasedonAFStheory．Theclassifierdesignedbythisalgorithmisabletoobtainthedescriptionforeveryclassandgivestherightlabelofclasstotheunknowndataatahighrate．However,theexperimentresultsdemonstra

6、tethatthedescriptionfortheclaSsistoocomplicatedtounderstand．Thisarticlegivesanewmethodbasedontheoriginalalgorithmtoconstructaclassifier．WeaggregatethefuzzyconceptsusingtheAFSfuzzylogicoperators．Weusethemethodofdecisiontreeintheprocessofaggregation，whichmakestheagg

7、regationmoreefficientandfaster．ThisarticleusesthecriterionsproposedbyProfessorLiu，whichdistinguishtheintra-claSsdatafrominter-classdatabythemembershipdegrees，toselecttheaggregatedfuzzyconcepts．Thenweusetheselectedfuzzyconceptstogeneratefuzzyrules．Intheprocessoftes

8、tingtheunknowndata，weconsidertheclassificationinformationgeneratedbyallthefuzzyrules，andtheclassificationresultisgivenatterweightingalltheclassification