基于模糊粗集等價(jià)聚類的不確定性屬性約簡(jiǎn)及其在服裝搭配上的應(yīng)用.pdf

1、在人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘等領(lǐng)域的研究與應(yīng)用中存在著不確定性。例如隨機(jī)性、模糊性，還有不完全性、不一致性等。這些不確定性對(duì)于數(shù)據(jù)分析處理，尤其是在與決策分類相關(guān)的屬性約簡(jiǎn)中必須加以考慮，否則可能得不到滿意的約簡(jiǎn)目標(biāo)。本文研究一種基于模糊粗集等價(jià)聚類的不確定性屬性約簡(jiǎn)及其在服裝搭配上的應(yīng)用。主要的研究?jī)?nèi)容與創(chuàng)新點(diǎn)有：
　　 給出了一種模糊粗糙集等價(jià)類聚類劃分方法；使用了模糊C-均值方法對(duì)模糊粗糙集的論域重新進(jìn)行相關(guān)聚

2、類劃分，將分類結(jié)果作為等價(jià)類；得到的等價(jià)類的平均基數(shù)比較小，能夠有效地加快不確定性屬性約簡(jiǎn)的運(yùn)算速度。
　　 提出了可變截集變精度模糊粗糙集模型：綜合地處理不確定性屬性約簡(jiǎn)中的不確定性問題，可以通過改變等價(jià)類的截集來去除數(shù)據(jù)集噪聲引起的不確定性；根據(jù)需要設(shè)定近似概念的精度，從而減少?zèng)Q策概念中含有的不確定性，使得到的決策結(jié)果更加可信。
　　 給出了一種偽核集粒子群搜索算法：可以減少大規(guī)模的數(shù)據(jù)集處理中花費(fèi)的時(shí)間，滿足實(shí)時(shí)性