高维数据多级模糊模式识别的分类研究

• 作者: 张豪 杨静 谢志强 谭怀生
• 来源期刊: 计算机应用研究
• 关键词: 分类 多级模糊模式识别 权重 约简 高维数据
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 4045-4047,4053
• 页数: 4页
• 分类号: TP274
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.11.012

摘要

通过分析对象属性间的关系,提出了一种基于改进的多级模糊模式识别的分类方法.该方法重点考虑对象属性间影响较大的因素,以此建立影响对象分类的属性之间的简化关系,使分类结果更加合理;针对分类标准为对象属性分类的离散值,存在对象属性值介于中间状态不便分类问题,通过建立属性值所属级别的矩阵来确定属性权重,使分类精确;利用Rough集的特征属性约简算法降低数据集的维数,提高高维数据的分类效率.经实例证明该方法分类准确、效率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
2	谢志强	哈尔滨理工大学计算机科学与技术学院	62	725	15.0	23.0
6	张豪	哈尔滨理工大学计算机科学与技术学院	2	9	1.0	2.0
7	谭怀生	哈尔滨理工大学计算机科学与技术学院	2	3	1.0	1.0