一种新的基于模糊评判的无导师分类方法.pdfVIP

一种新的基于模糊评判的无导师分类方法*) ANew ClassificationBasedon Evaluation Unsupervised Fuzzy 范欣修曾黄麟 (四川I理工学院电子与信息工程系 四川自贡643000) that of AbstradThis submitteds use cluster tostructurethe functioncon- paper makingfuzzy analysis membership normalizationout onclassificationdatais themethodthatstud— cept，first，the carryingscattering handled，belOW with the matrixofclassificationthe matrixshiftsand ying unsupervised，buildsimilarity data，bydeliverysimilarity matrix thedataclassificationmatrix．Baseonthe matrixshifts，we arithmetic，tO delivery X-intercepts get similarity carl theclassificationmatrixand matrix thenetwork in get X-interceptsthrough computingparallel．Finally．thepa— have an basedon evaluationwith classification per givenapplicationexample fuzzy unsupervised method，theexperi— mentresulthastestifiedthismethod’S and feasibilityvalidity． KeywordsMembershipfunction，Fuzzyevaluation，Equivalencerelation，Similarityrelation，CIassification 模糊集合理论[1]的核心是建立研究对象的隶属 求出相似矩阵和卜截矩阵的。 度函数，通过隶属度函数来研究论域中元素之间的 定义1设R∈F(U*U)，U是我们所要讨论 接近程度。分类是按某种标准来鉴定论域中元素之 间的接近程度，把彼此接近的对象归为一类，显然， 分类是按我们确定的隶属度函数来研究分类对象 A，则称尺是传递F关系。 的。在模式识别或者分类问题中，我们首先要解决 定义2设尺∈F(U*U)，U是我们所要讨论 的问题是数据的离散归一化问题[2]，对于离散数据 的论域，如果(1)R是传递关系且R三尺；(2)Q是任 的归一化应该满足：属性离散归一化后的空间维数 意传递关系且Q蛰和Q盐。则称R为尺的传递 尽量小，也就是离散归一化后的属性值的种类尽量 闭包。记￡(尺)一R。 少；属性值被离散归一化后的信息丢失尽量少。本 定理1 R是传递的F关系的充要条件是R2 质上可以归结为利用选取的断点来对条件属性构成 R2。 的空间进行划分的问题，则离散归一化就是一个空 间划分优化编码问题，因此，数据的离散归一化将直 ∞ 的论域，总有￡(R)=UR‘。 接影