基于Fuzzy理论的数据挖掘算法研究(Ⅰ)

“数据挖掘”是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

Fuzzy正项几何规划的分类及相应类的性质

本文将Ｆｕｚｚｙ正项几何规划分成三类，并分别探讨了其相容性与Ｆｕｚｚｙ最优解问题。     

关于Fuzzy赋范空间的若干问题（Ⅱ）

在1984年,吴从炘、方锦暄和A.K.Katsaras分别提出了两种Fuzzy赋范空间的定义。这些概念既是赋范空间概念的自然推广,又是特殊的Fuzzy拓扑线性空间。在文[3～5]中,不仅考察了这两种定义之间的关系,还讨论了Fuzzy赋范空间的性质以及其上广义Fuzzy线性算子的连续性等。在本文中,我们将继文[4]给出Fuzzy赋范空间中子集有界性、稠密性的刻划条件并利用这些条件给出Fuzzy范数是诱出的充要条件。此外,作为诱出Fuzzy范数的推广,我们给出了两类Fuzzy范数的特征刻划。     

本征Fuzzy方程的一个通用算法

一、基本方程当 L=[0,1],“∧”、“∨”分别为取“Min”和“Max”运算时,(L,≤,∧,∨)是一个完全分配格,定义在此格上的n×n矩阵A称为Fuzzy矩阵。方程AoX=X称为Fuzzy矩阵A的本征方程,其中方程的解X为n×1 Fuzzy列向量,称为A的本征Fuzzy向量或A的本征元,将A的本征Fuzzy方程写成分量形式,即为n个Fuzzy方程:     

一种遗传模糊神经网络数据挖掘算法

数据挖掘是近年来信息处理领域出现的新的研究方向。本文探讨了扩展型TS模糊神经网络和遗传算法在数据挖掘中的应用,并提出了一种把模糊神经网络与遗传算法相结合的数据挖掘方法。在该方法中由遗传算法自适应地构造和优化TS模型,TS模型完成预测,这种预测是建立在遗传算法的聚类结果之上的。二者的结合,提高数据挖掘的应用效果。文章最后给出该方法的应用实例。     

基于蚁群算法的模糊分类系统设计

提出了一种基于最大-最小蚁群算法的模糊分类系统设计方法.该方法通过两个阶段来实现:特征变量选择和模型参数优化.首先采用蚁群算法对特征变量进行选择,得到一组具有较高分辩性能的特征变量,提高模型的解释性;在模型结构确定后,蚁群算法从训练样本中提取信息对模型的参数进行优化,在保证模型精确性的前提下,构造具有较少变量数目及规则数目的模糊模型,实现了精确性与解释性的折衷.最后将本方法运用到Iris和Wine数据样本分类问题中,并将结果与其它方法进行比较,仿真结果证明了该方法的有效性.     

关于Fuzzy值变量的线性回归分析

本文主要讨论了以下三方面内容:1.给出了可能性理论的框架。2.给出了可能性变量分布参数的maximin(μ/E)估计原理。3.建立了取值为Fuzzy数的两种不同的线性回归模型。     

基于最近边界向量的SVM增量学习算法

为了减少求支持向量过程中二次规划的复杂度,利用训练样本集的几何信息,选出两类中离另一类最近的边界向量集合,它是样本中最有可能成为支持向量的一部分,用它代替原样本集进行训练.对新增样本,若存在违反KKT条件的样本,只对这部分新样本进行学习.同时找出原样本中可能转化为支持向量的非支持向量样本.基于分析结果,提出了一种新的基于最近边界向量的增量式支持向量机学习算法.对标准数据集的实验结果表明,算法是可行的,有效的.     

基于人工蜂群算法求解FEVM问题

日益复杂的计算问题促使各种受启于生物的优化算法不断的研究、发展,人工蜂群(Artificial Bee Colony,ABC)算法正是其中之一,主要在于它鲁棒性强,控制参数少,易于实现.本文着重针对不易求解的不确定规划领域中的模糊期望值模型(fuzzy expected value model,FEVM)问题,提出了模...     

求Fuzzy关系方程所有极小解的递归算法

本文给出了一种求Ｆｕｚｚｙ关系方程所有极小解的计算机递归算法，该算法具有算法简明，计算速度快等显著特点，尤其适合于求解大型Ｆｕｚｚｙ关系方程。     

模糊聚类挖掘在综合评价中的应用研究

探讨了聚类分析这一重要的数据挖掘方法在综合评价中的应用,将模糊聚类与综合评价相结合以解决待评价方案数较多的排序问题,并且文中还改进了建立模糊相似矩阵的方法.     

A Dual-Objective Evolutionary Algorithm for Rules Extraction in Data Mining

This paper presents a dual-objective evolutionary algorithm (DOEA) for extracting multiple decision rule lists in data mining, which aims at satisfying the classification criteria of high accuracy and ease of user comprehension. Unlike existing approaches, the algorithm incorporates the concept of Pareto dominance to evolve a set of non-dominated decision rule lists each having different classification accuracy and number of rules over a specified range. The classification results of DOEA are analyzed and compared with existing rule-based and non-rule based classifiers based upon 8 test problems obtained from UCI Machine Learning Repository. It is shown that the DOEA produces comprehensible rules with competitive classification accuracy as compared to many methods in literature. Results obtained from box plots and t-tests further examine its invariance to random partition of datasets. An erratum to this article is available at .     

基于GBMTS算法的不平衡数据分类研究

解决不平衡数据分类问题,在现实中有着深远的意义。马田系统利用单一的正常类别构建基准空间和测量基准尺度,并由此建立数据分类模型,十分适合不平衡数据分类问题的处理。本文以传统马田系统方法为基础,结合信噪比及F-value、G-mean等分类精度,建立了基于遗传算法的基准空间优化模型,同时运用Bagging集成化算法,构造了改进马田系统模型算法GBMTS。通过对不同分类方法及相关数据集的实验分析,表明:GBMTS算法较其他分类算法,更能够有效的处理不平衡数据的分类问题。     

基于多层次模糊关联算法的通用航空产业知识挖掘研究

为挖掘通用航空产业领域知识的类型与发展规律,明确产业规划、推动产业健康发展,利用采集的3869份通用航空产业主题相关的网页资料,根据主题信息的关键词对通用航空产业领域知识进行分类,并基于多层次模糊关联算法进行知识挖掘分析.结果表明,通用航空产业领域知识中的通用航空产业主体与通用航空产业产品存在着紧密的联系和规则,而且采...     

数据挖掘中数据排序及其应用

本文从统计学的角度对事务性数据库进行了描述,提出了加权构造综合属性函数方法,对事务项进行了排序分析,并用该方法对某些区中国移动手机用户的消费情况进行了综合评价,得到了许多有意义的结果。     

数据挖掘过程中连续属性离散化新方法研究

在知识发现和机器学习领域里,许多数据挖掘方法如基于粗集的数据挖掘工具等需要使用离散的属性值,但实际观测到的大多是连续性属性数据,这对许多新型数据挖掘工具的研究带来了不便.本文针对以上问题,在综合分析目前连续属性离散化方法的基础上,提出了一种基于数据分布特征的连续属性离散化新方法,并用经典算例验证了此算法,实验结果表明该方法具有合理性和可行性.     

基于模糊聚类算法的客户细分研究

以客户关系为导向的服务经济时代,客户细分是企业判断具有相似特征的客户,并以此为基础有针对性的提供产品及服务的最为有效的手段.利用数据挖掘技术,将模糊聚类算法应用于客户细分中,以此寻找具有相似特征及价值的客户,并在电信行业中进行实证应用.     

Efficiency Analysis and Ranking of DMUs with Fuzzy Data

In this paper, a fuzzy version of CCR model (Charnes, Cooper and Rhodes (1978)) with asymmetrical triangular fuzzy number is presented and a procedure is suggested for its solution. The basic idea is to transform the fuzzy CCR model into a crisp linear programming problem by applying an alternative -cut approach. Thereby, the problem is converted to an interval programming. In this method, instead of comparing the equality (or inequality) of two intervals, a variable is defined in the interval, not only satisfies the set of constraints, but also maximizes the efficiency value. We also propose a ranking method for fuzzy DMUs using presented fuzzy DEA approach. To demonstrate the concept, numerical examples are solved and solutions are compared with Guo and Tanaka (2001).     

CPI指数变换对产品销售影响的可拓数据挖掘

目前对数据挖掘的研究主要集中在对静态数据的挖掘,而在实际工作中,经常要处理的矛盾问题,需要通过可拓变换和可拓变换的运算来解决,这就需要用到变换的知识,需要运用动态数据挖掘或可拓数据挖掘来解决问题.运用可拓逻辑和可拓数据挖掘的理论知识,根据国家消费者物价指数的变换对产品销售数据的影响来研究可拓数据挖掘中传导知识的挖掘,为企业的决策者在目前的市场环境下提出更加合理的销售策略提供依据.