隨著數(shù)據(jù)庫技術(shù)的成熟應(yīng)用和Internet的迅速發(fā)展,人們積累的數(shù)據(jù)量正在以指數(shù)級(jí)迅速增長(zhǎng)。對(duì)于這些數(shù)據(jù),人們已不滿足于傳統(tǒng)的查詢、統(tǒng)計(jì)分析手段,而需要發(fā)現(xiàn)更深層次的規(guī)律,對(duì)決策或科研工作提供更有效的決策支持。于是,分類問題越來越多的出現(xiàn)在人們的生活中,如醫(yī)學(xué),農(nóng)業(yè),安全等領(lǐng)域。為了更好的解決實(shí)際問題,許多學(xué)者試圖利用模糊理論,遺傳算法,決策樹算法,神經(jīng)網(wǎng)絡(luò)等方法設(shè)計(jì)分類器,并且已經(jīng)初步獲得一些成效。隨著分類問題的應(yīng)用越來越廣泛,使之有很好的發(fā)展前景,研究分類問題變得更有意義。 針對(duì)現(xiàn)有的AFS（Axiomatic Fuzzy Set）模糊分類器中的不足,本文設(shè)計(jì)了一種新的基于AFS模糊邏輯的分類器。該分類器的優(yōu)點(diǎn)主要有:模糊描述簡(jiǎn)單而且精確;語義明確、易于理解;分類準(zhǔn)確率較高:而且,研究表明只用樣本屬性上的序關(guān)系,AFS模糊邏輯分類分析算法也能夠獲得很高的準(zhǔn)確率,因此該算法能夠很好的應(yīng)用到那些樣本屬性只能用序關(guān)系描述而無法用數(shù)值描述的數(shù)據(jù)集,表明本算法具有廣范的適用性,而且更多的保持原始數(shù)據(jù)的信息。 將本文設(shè)計(jì)的分類器應(yīng)用到UCI（University of Cali... 

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 數(shù)據(jù)挖掘簡(jiǎn)介
        1.1.1 數(shù)據(jù)挖掘的定義
        1.1.2 數(shù)據(jù)挖掘的分類
    1.2 數(shù)據(jù)挖掘功能
    1.3 數(shù)據(jù)挖掘的應(yīng)用與一般步驟
        1.3.1 數(shù)據(jù)挖掘的應(yīng)用
        1.3.2 數(shù)據(jù)挖掘的一般步驟
    1.4 分類問題的描述
    1.5 本文的主要研究?jī)?nèi)容和論文的組織
2 AFS理論及相關(guān)定義
    2.1 模糊理論
    2.2 AFS模糊邏輯簡(jiǎn)述
    2.3 AFS理論相關(guān)內(nèi)容
        2.3.1 EI代數(shù)
        2.3.2 AFS結(jié)構(gòu)
        2.3.3 AFS模糊邏輯關(guān)于隸屬函數(shù)的定義
    2.4 基于AFS模糊邏輯的分類器
3 改進(jìn)的基于AFS模糊邏輯的分類器設(shè)計(jì)
    3.1 改進(jìn)的基于AFS模糊邏輯的分類器算法
        3.1.1 對(duì)數(shù)據(jù)的預(yù)處理及樣本的選取
        3.1.2 建立AFS結(jié)構(gòu)
        3.1.3 簡(jiǎn)單概念的篩選
        3.1.4 模糊描述
    3.2 精簡(jiǎn)參數(shù)方法
        3.2.1 屬性上簡(jiǎn)單概念的確定
        3.2.2 無參數(shù)概念篩選
        3.2.3 模糊描述
    3.3 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果分析
    4.1 基于AFS模糊邏輯的分類器的實(shí)驗(yàn)研究
        4.1.1 對(duì)數(shù)據(jù)wine的實(shí)驗(yàn)研究
        4.1.2 對(duì)數(shù)據(jù)iris的實(shí)驗(yàn)研究
        4.1.3 對(duì)數(shù)據(jù)WBCD的實(shí)驗(yàn)研究
    4.2 對(duì)精簡(jiǎn)參數(shù)方法分類的實(shí)驗(yàn)研究
        4.2.1 對(duì)數(shù)據(jù)wine的分類實(shí)驗(yàn)
        4.2.2 對(duì)數(shù)據(jù)iris的分類實(shí)驗(yàn)
        4.2.3 對(duì)數(shù)據(jù)WBCD的分類實(shí)驗(yàn)
        4.2.4 對(duì)數(shù)據(jù)pima的分類實(shí)驗(yàn)
    4.3 與其他分類算法的比較
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于模糊區(qū)域分布的分類規(guī)則提取及推理算法[J]. 李潔,鄧一鳴,沈士團(tuán).  計(jì)算機(jī)學(xué)報(bào). 2008(06)
[2]基于多目標(biāo)進(jìn)化算法的高維模糊分類系統(tǒng)的設(shè)計(jì)[J]. 張永,吳曉蓓,向崢嶸,胡維禮.  系統(tǒng)仿真學(xué)報(bào). 2007(01)
[3]數(shù)據(jù)挖掘分類算法綜述[J]. 談恒貴,王文杰,李游華.  微型機(jī)與應(yīng)用. 2005(02)
[4]AFS模糊邏輯系統(tǒng)及其在模糊信息處理上的應(yīng)用[J]. 劉曉東,張慶靈,王巖.  東北大學(xué)學(xué)報(bào). 2002(04)
[5]廣義拓?fù)浞肿痈馵J]. 王國(guó)俊.  中國(guó)科學(xué)（A輯 數(shù)學(xué) 物理學(xué) 天文學(xué) 技術(shù)科學(xué)）. 1983(12)

博士論文
[1]數(shù)據(jù)挖掘技術(shù)在文本分類和生物信息學(xué)中的應(yīng)用[D]. 裴志利.吉林大學(xué) 2008

碩士論文
[1]數(shù)據(jù)挖掘技術(shù)中分類算法的比較分析[D]. 鄭明超.蘭州商學(xué)院 2007



本文編號(hào)：3734342