论文总字数：23185字

摘 要

模糊分类是模糊集合理论的一个重要应用。模糊分类规则被广泛认为是分类知识较好的表示，与人类表达的知识类似，具有可读性和解释性。由于模式分类问题的复杂性，模糊分类模型在如何确定模糊划分方式及划分方法、模糊集隶属函数的选择、模糊分类规则的产生等方面有一定的困难。

聚类分析是数据挖掘中的一个重要研究领域，聚类算法根据训练数据的特性按照一定的相似性准则将输入空间的训练样本聚为若干类，一类看作一个模糊划分，每个模糊划分产生一条模糊规则。在给定合理聚类数目和聚类中心的情况下，聚类可以实现对输入空间的最优模糊划分。本文提出了一种基于粗k均值聚类的模糊分类模型，采用粗k均值聚类算法对输入空间的训练样本进行聚类，每个聚类对应一条模糊规则，并根据聚类的结果辨识出模糊分类规则前件隶属度函数的参数，从而构建了模糊分类系统，再利用遗传算法对初始模糊分类模型的前件参数进行优化，进一步提高模型的精度。仿真实验的结果表明本文的模糊分类模型具有规则数目少、结构简单、分类精度高的优点。

关键词：模糊分类模型 粗糙集 粗K均值聚类 模糊划分 模糊规则

Fuzzy classification model based on Clustering

Abstract

Fuzzy classification is an important application of fuzzy set theory. Fuzzy classification rules are widely considered to be the better classification knowledge representation, similar to that of human knowledge expression, readable and interpretable. Because of the complexity of pattern classification, fuzzy classification model has certain difficulty in the aspects of how to determine the fuzzy partition and partition method, the membership function of the fuzzy sets,fuzzy classification rules generation.

Clustering analysis is an important research field in data mining, clustering algorithm based on the characteristics of the training data according to the similarity criterion of the input space of training samples clustered into several,such as a fuzzy partition, fuzzy partition generates a fuzzy rule. Given the appropriate cluster number and center, clustering can achieve optimal fuzzy partition of input space. This paper presents a fuzzy classification model based on rough K clustering, the coarse K mean clustering algorithm on the input space of the training samples are clustered, each cluster corresponds to a fuzzy rules,and according to the results of clustering fuzzy classification rule antecedent membership functions of parameter identification, and establishes the fuzzy classification system, before part parameters and then use genetic algorithm fuzzy classification model for initial optimization, to further improve the accuracy of the model. The simulation results show that the fuzzy classification model in this paper has the advantages of less rules, has the advantages of simple structure, high accuracy of classification.

Key Words: Fuzzy Classification Model , Fuzzy Classification , Fuzzy Rule , Fuzzy Partiti

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题的研究背景和意义 1

1.2 课题的研究现状 2

1.3 本课题主要研究内容和结构 4

第二章 课题研究的相关理论 6

2.1 粗糙集 6

2.1.1 粗糙集概述 6

2.1.2 粗糙集理论的基础知识 7

2.2 聚类算法 9

2.2.1 聚类算法的概述 9

2.2.2 聚类算法的分类 11

2.3 模糊分类模型 13

2.3.1 模糊IF-THEN分类规则 14

2.3.2 隶属度函数 16

2.3.3 模糊划分 17

第三章 基于粗K均值聚类的模糊分类模型 19

3.1粗K均值聚类算法 19

3.2 基于粗k均值聚类的模糊分类模型设计步骤 21

3.3 仿真实验及结果分析 23

第四章 总结与展望 27

参考文献 28

致 谢 30

附录 31

第一章 绪论

1.1 课题的研究背景和意义

模糊集合理论是由美国加州柏克莱分校L.A.Zadeh教授1965年提出的概念,用来处理模糊不清、不严密和不明确的问题。主要的特点是将明确集合加入模糊的观念,并用模糊集合来描述输入模式空间,即利用输入空间的模糊子集合或模糊规则来描述复杂或不确定的系统。模糊集合用隶属度来表示元素属于集合的程度,隶属度在0到1之间取值。这改变了传统数学二值逻辑的明确集合表示,将之扩展为连续多值的模糊集合表示,并使之接受具有模糊现象存在的事实。

模糊集合理论是采用严格精确的数学手段来处理“模糊”的现象,以达到消除“模糊”的一门学科。它是人类认识能力的深化和精确的反应。模糊集合理论在形式化思维和复杂化系统之间架起了一座桥梁,基于模糊集合理论的模糊系统具有处理复杂的、非线性和用简单的数学方法难于处理的动态系统的能力"因此,己被广泛应用在诸如模式识别、模糊控制、模糊决策及模糊软件等许多领域，并取得了令人瞩目的成就。

请支付后下载全文，论文总字数：23185字