基于模糊集的分类方在高校评教系统中的应用.docVIP

基于模糊集的分类方法在高校评教系统中的应用 [摘要]数据库中蕴藏着大量的信息，通过对其进行分析，可以令我们做出明智的决策。分类是一种数据分析的形式，可以用于提取描述重要数据类的模型。这种分析有助于我们全面地理解数据。传统的数据分类方法（如决策树分类器，贝叶斯分类器……）大都采用基于规则的分类技术，这样分类系统有一个缺点，那就是对于具有连续性取值的属性，它们对其进行了陡峭的截断。 为了对这种苛刻的阈值规则进行消除，本文介绍了一种基于模糊逻辑的分类方法，它允许对每个类定义“模糊”阈值或边界。对于某个给定的类成员，相对于使用类之间的精确截断来表示类别，模糊逻辑使用0.0~1.0之间的一个值来表示该类成员对于给定类别的隶属程度，从而达到更为精确的分类效果。 关键词：数据挖掘 分类 模糊集 隶属度 决策支持 一．引言 近年来，数据挖掘引起了信息产业界和整个社会的极大关注，其主要原因是存在可以广泛使用的大量数据，并且迫切需要将这些数据装换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括市场分析、欺诈检测、顾客保有、产品控制和科学探索等。顾名思义，数据挖掘是探查和分析大量数据以及发现有意义的模式和规则的过程。 分类是数据挖掘最常见的任务之一，包括考察一类新出现的对象的特征，并归类到已定义类中。分类的对象通常表示为数据库表或文件中的记录，分类