利用粒子群和模糊综合评判的模糊分类方法.pdf

研究论文 利用粒子群和模糊综合评判的模糊分类 方法* 殷希红 乔晓东 张运良 李国双 ( 中国科学技术信息研究所 北京 100038) 摘要: 【目的 】解决传统分类存在硬性划分和部分分类方法只能处理离散型数据的问题。【方法 】利用模糊 综合评价方法实现对具有连续属性样本的模糊分类, 得到样本对于类别的软化分。划分过程中使用连续属性 离散化方法对属性区间进行划分, 使用粒子群算法获取各属性的最优权重分配, 最终结果为样本对各个类 别的隶属度。【结果 】可以有效地实现对样本类别的软化分, 并且达到较高的准确率。【局限】对于属性值过 于集中的属性不易进行区间划分。【结论 】基于粒子群和模糊综合评判的模糊分类方法是有效可行的。 关键词: 模糊分类 模糊综合评判 软划分 粒子群算法 连续属性离散化 分类号: TP18 1 引 言 散化方法 [3-4], 将每一属性划分成不同的区间 , 确定 属性取值在不同区间时对应各个类别的一个隶属度。 分类问题是通过对已知类别样本的学习来推断 最后利用模糊综合评价方法确定该事务隶属于不同 未知样本的归属[1], 是数据挖掘和机器学习领域热点 类别的情况。 关注的问题。传统的分类方法基本上都是对事务的硬 性划分, 首先确定要分类的类别, 然后通过对一组已 2 模糊分类相关研究 知类别样本训练, 利用有监督的学习方式, 为未知样 分类技术是数据挖掘中最有应用价值的技术之 本贴上相应的标签。分类的结果非常明确, 即一个样 一, 经典分类方法包括 : 决策树分类算法、K近邻分 本只能完全属于或者完全不属于某一类别。但是在实 类算法、基于关联规则的分类算法、贝叶斯分类算 际中, 许多事务并没有明确的分类, 可能在不同属性 法、人工神经网络方法和 SVM分类方法 , 但是这些 的判定方式下属于不同的类别。因此需要对事务进行 方法均是对事务类别的硬性划分 , 不能很好地处理 软划分, 即模糊分类。在模糊分类中, 每一个样本都 客观事务类别的不明确性。因此需要模糊分类方法 以一定的概率(隶属度)从属于所有的类。本文利用模 来对事务进行软化分 , 主要包括: 传递闭包法、最大 糊综合评价方法实现对事务的模糊分类 , 由于事务 树法、编网法、基于摄动的模糊方法等 ; 但人们更 具有多个属性 , 并且每个属性对于分类的贡献情况 多地将模糊方法和其他分类算法结合起来, 既有与 不同 , 因此在模糊综合评价的过程中引入粒子群优 传统分类算法 , 如模糊决策树、模糊关联规则挖掘 化算法[2]确定各个属性值在类别划分中的重要程度。 等的结合 , 也有与软计算在内其他方法 , 如模糊神 但是大部分事务的属性取值是连续的 , 不能从单方 经网络等的结合[5] 。王熙照等[6]针对现实世界中存在 面确定属性对类别的隶属度, 因此引入连续属性离 的不确定性, 提出模糊决策树算法 , 采用 ID3算法 , 通讯作者 : 殷希红 , ORCID: 0000-0002-0383-0531, E-mail: zzuxxglyxh@163.com *本文系中国科学技术信息研究所重点工作项目“结构化知识服务平