基于AFS模糊邏輯的聚類分析方法研究.pdf

1、AFS(Axiomatic Fuzzy Set)理論是一種新的模糊數(shù)學(xué)分析方法，在AFS理論框架內(nèi)，給出了依據(jù)原始數(shù)據(jù)和相關(guān)信息確定隸屬函數(shù)及其模糊邏輯運算的一個新算法，使得隸屬函數(shù)和模糊邏輯的建立更客觀、嚴(yán)密和統(tǒng)一。AFS理論已初步應(yīng)用于數(shù)據(jù)挖掘，模式識別，故障診斷等領(lǐng)域。劉曉東教授提出了AFS模糊邏輯的聚類分析算法(X．D．Liu，W. Wang and T．YChai．IEEE Transaction on Systems，Man

2、，Cybemetics，2005)，并將該算法應(yīng)用到人工數(shù)據(jù)和真實數(shù)據(jù)集上，實驗結(jié)果顯示該算法能夠有效地對數(shù)據(jù)聚類并能夠找到最佳的類數(shù)。但是通過研究發(fā)現(xiàn)，算法中求每個樣本的模糊描述的方法有些粗糙，而且應(yīng)用的例子含有的樣本太少。因此，針對此問題，本文對該算法進行了改進，并將改進后的算法應(yīng)用到含有150個樣本的著名數(shù)據(jù)Iris數(shù)據(jù)(見ftp：//ftp．ics．uci．edu/pub/machine-learning-databases/I

3、ris/)中去，得到了較好的聚類結(jié)果。 眾所周知，屬性選擇(特征選擇)在聚類算法中起著很重要的作用，是因為在實際應(yīng)用中一些屬性僅僅是噪音，對聚類過程并沒有任何貢獻，甚至能減弱聚類算法的能力。因此，選擇合適的屬性進行聚類能夠提高聚類準(zhǔn)確率。本文基于模糊蘊涵算子，提出了一種選擇最佳相關(guān)屬性子集的算法，并結(jié)合此算法提出了一種新的AFS模糊邏輯聚類分析算法。并將此算法應(yīng)用于著名數(shù)據(jù)wine識別數(shù)據(jù)。 本文的聚類分析只用到了樣本在