基于AFS模糊逻辑的聚类分析方法研究

发布时间：2022-05-03 03:07

　　AFS（Axiomatic Fuzzy Set）理论是一种新的模糊数学分析方法，在AFS理论框架内，给出了依据原始数据和相关信息确定隶属函数及其模糊逻辑运算的一个新算法，使得隶属函数和模糊逻辑的建立更客观、严密和统一。AFS理论已初步应用于数据挖掘，模式识别，故障诊断等领域。 刘晓东教授提出了AFS模糊逻辑的聚类分析算法（X. D. Liu, W. Wang and T. Y.Chai. IEEE Transaction on Systems, Man, Cybernetics, 2005），并将该算法应用到人工数据和真实数据集上，实验结果显示该算法能够有效地对数据聚类并能够找到最佳的类数。但是通过研究发现，算法中求每个样本的模糊描述的方法有些粗糙，而且应用的例子含有的样本太少。因此，针对此问题，本文对该算法进行了改进，并将改进后的算法应用到含有150个样本的著名数据Iris数据（见ftp://ftp.ics.uci.edu/pub/machine-learning-databases/Iris）中去，得到了较好的聚类结果。 众所周知，属性选择（特征选择）在聚类算法中起着很... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
第1章 模糊聚类分析简介
    1.1 数据挖掘技术的发展
    1.2 聚类分析
        1.2.1 聚类分析概述
        1.2.2 聚类分析的基本步骤
    1.3 模糊聚类分析
第2章 AFS模糊逻辑
    2.1 AFS模糊逻辑
    2.2 AFS方法的基本思想和相关定义
        2.2.1 AFS代数
        2.2.2 AFS结构
        2.2.3 基于AFS代数和结构的ZADEH模糊集的隶属函数
    2.3 基于AFS模糊逻辑的模糊聚类分析
        2.3.1 基于AFS模糊逻辑的聚类分析算法
第3章 改进的基于AFS模糊逻辑的聚类分析算法
    3.1 改进的基于AFS模糊逻辑的聚类分析算法
    3.2 应用改进算法对IRIS数据进行模糊聚类分析
    3.3 本章小结
第4章 基于属性选择的AFS模糊逻辑的聚类分析算法
    4.1 基于AFS模糊逻辑的模糊蕴涵算子
    4.2 属性选择算法
    4.3 基于AFS模糊逻辑的聚类分析新算法
    4.4 应用改进算法对WINE数据进行模糊聚类分析
        4.4.1 选择相关属性子集
        4.4.2 聚类分析
        4.4.3 与其他聚类分析算法的比较
    4.5 本章小结
结论
参考文献
攻读学位期间公开发表论文
致谢
研究生履历



本文编号：3650505