基于改进模糊统计分析模型的概念层次分类规则研究

• 作者: 吕安民 曾好 谢明霞 郭建忠 陈科
• 来源期刊: 测绘科学
• 学科: 工学
• 关键词: 模糊集 隶属频率 最模糊点 概念层次分类 RBF神经网络
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 技术创新
• 页码范围: 117-119
• 页数: 3页
• 分类号: TP391
• 语种: 中文

摘要

在数据挖掘和知识发现的研究过程中,往往需要对大量的数据进行概念层次分类处理,现广泛使用的方法是通过经验知识或主观判断进行处理,由于知识背景和经验层次的不同,导致不同的人对同一批数据同一问题提出不同的规则知识,加大了对规则知识进行合理性评估的难度.基于此问题,对传统的基于模糊统计分析模型的概念层次分类方法进行改进,首先,通过专家系统获取各模糊样本集,根据离散化的样本属性值及其相对隶属频率值对,进行RBF神经网络训练;然后,利用训练好的神经网络求取各模糊集的最模糊点;最后根据最模糊点获得各模糊集的区域划分,从而实现概念层次的分类处理,避免了传统方法处理过程的复杂性和主观性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭建忠	信息工程大学测绘学院	53	312	10.0	14.0
2	陈科	信息工程大学测绘学院	26	136	7.0	10.0
3	吕安民		10	152	5.0	10.0