資源描述：
《基于AFS模糊邏輯的聚類分析方法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、分類號UDC密級——單位代碼!Q151基于AFS模糊邏輯的聚類分析方法研究任艷指導(dǎo)教師劉曉東職稱教授學(xué)位授予單位大連海事大學(xué)申請學(xué)位級別理學(xué)碩士學(xué)科與專業(yè)應(yīng)用數(shù)學(xué)論文完成日期2006年12月論文答辯日期2007年03月25日答辯委員會主席中文摘要摘要AFS(AxiomaticFuzzySet)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．
2、L她W．WangandT．YChai．IEEETransactiononSystems，Man,Cybernetics，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(jìn)行了改進(jìn)，并將改進(jìn)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)(見邱：／／卸．ics．uci．edu／pub／machine．1earning．databases／IrisO中去，得到了較好的聚類結(jié)果。眾所周知，屬
3、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(xiàn)，甚至能減弱聚類算法的能力。因此，選擇合適的屬性進(jìn)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屬性上的序關(guān)系。本研究表明只用樣本屬性上的序關(guān)系，AfS模糊邏輯聚類分析算法也能夠獲得很高的準(zhǔn)確率，因此該算法能夠很好的應(yīng)用到那些樣本屬性只能用序關(guān)系描述而無法用數(shù)值描述的數(shù)據(jù)集。該算法還可以應(yīng)用到多種數(shù)據(jù)
4、類型，如數(shù)值型、Boolean型，偏序關(guān)系和人類的直覺描述等。關(guān)鍵詞：AFS結(jié)構(gòu)；AFS代數(shù)；聚類分析；屬性選擇；模糊描述英文摘要FuzzyClusteringApproachesBasedonAFSFuzzyLogicAbstractAFS(AxiomaticFuzzySet)theorywasproposedfLrst勰anewanalyticmethodoffuzzymathematics．IntheframeworkofAFStheory,themembershipfunctionsandtheirlogicoperationsforfuzzyconceptsc
5、anbeimpersonallydeterminedaccordingtooriginaldataandfacts．AIrStheoryhasbeenappliedtodatamining，patternrecognitionandfailurediagnosis．ProfessorLiuproposedAFSFuzzylogicclusteringalgorithm(X．D．Liu，W．WangandT．Y．Chai．IEEETransactiononSystems，Man,Cybemetics，2005)．Experimentalresultsonsynthetic
6、andrealdatasetsdemonstratethattheproposedclusteringalgorithmisabletochistardataeffectively,andfmdanoptimalnumberofclusters．However,itsshortcomingistheapproachtofindthefuzzydescriptionofeachsampleisalittlebitrough，andjusttheexampleswhichhavelessthan10sampleswereappliedbyProfessorLiu．Aimin
7、gatthisproblem，weimprovetheAFSFuzzylogicclusteringalgorithmandapplytheimprovedalgorithmtowellknownreal—worldIrisdata(reference邱：／／卸．ics．uci．edu／pub／machine—learning—dambases／IrisD．Insteadofexamplesoflessthan10samples，weapplytheimprovedalgorithmtothewellknownreal-worldIris
