數(shù)據(jù)挖掘的模糊系統(tǒng)實(shí)現(xiàn).pdf

1、“數(shù)據(jù)挖掘”的目標(biāo)是要從錯(cuò)綜復(fù)雜的數(shù)據(jù)中去發(fā)現(xiàn)某種重要的模式和趨勢(shì)，真正地去理解數(shù)據(jù)的內(nèi)涵，模糊系統(tǒng)正是“數(shù)據(jù)挖掘”的一個(gè)理想的系統(tǒng)和方法。模糊系統(tǒng)有著非常靈活的數(shù)學(xué)結(jié)構(gòu)，是一種高效的萬(wàn)能逼近器。更為重要的是，模糊系統(tǒng)的規(guī)則庫(kù)能為我們提供許多隱藏在數(shù)據(jù)中的知識(shí)，并以規(guī)則的形式為人們所用。但是，這并不意味著模糊系統(tǒng)已經(jīng)完美無(wú)缺。 1.現(xiàn)有模糊建模的許多方法僅僅是從函數(shù)逼近這個(gè)角度來(lái)研究，即如何改進(jìn)函數(shù)逼近精度以及建模的速度。這只是

2、從模糊系統(tǒng)是萬(wàn)能逼近的性質(zhì)方面來(lái)進(jìn)行模糊建模，如何更加充分地利用各種信息尤其是來(lái)自于數(shù)據(jù)的信息呢? 2.當(dāng)面對(duì)高維數(shù)據(jù)，現(xiàn)有的模糊系統(tǒng)依然面臨著維數(shù)災(zāi)難的問題：模糊規(guī)則的指數(shù)增長(zhǎng)；大量參數(shù)需要擬合而卻只有十分稀疏的數(shù)據(jù)散落在高維空間等等。 本文針對(duì)這兩個(gè)問題，提出了我們自己的方法。1.我們處理規(guī)則爆炸的基本思想來(lái)源于聚類。所謂“人以群分，物以類聚”，相似的數(shù)據(jù)被劃分為一類，然后對(duì)每一類僅用一條規(guī)則進(jìn)行描述。這樣規(guī)則數(shù)將不

3、會(huì)隨維數(shù)的增長(zhǎng)而指數(shù)增長(zhǎng)，而是與數(shù)據(jù)本身的特征聯(lián)系起來(lái)。 2.為了獲得更為有效的論域劃分，我們研究了現(xiàn)有的各種聚類方法，比較了它們各自的優(yōu)缺點(diǎn)，并最終提出了兩種基于MCV聚類的模糊建模新方法。本文詳細(xì)地討論了這兩種方法獲取的隸屬度函數(shù)的特點(diǎn)，以及參數(shù)估計(jì)方面的性質(zhì)，并把這兩種方法與其它經(jīng)典的方法進(jìn)行了比較。從數(shù)據(jù)挖掘這個(gè)角度看，我們的方法不僅具有很好的預(yù)測(cè)能力，還提供了更簡(jiǎn)潔的規(guī)則庫(kù)，為分析問題的本質(zhì)和發(fā)現(xiàn)數(shù)據(jù)中隱含的知識(shí)提供了

4、更好的工具。 3.如何處理高維問題?輸入選擇應(yīng)該是關(guān)鍵的第一步。它不僅起到了降維的作用，還能增加模型的可解釋性并減少計(jì)算量。 我們?cè)诒疚闹刑岢隽藘煞N基于常識(shí)的輸入選擇方法，一種是基于靈敏度分析的輸入選擇，另一種是基于數(shù)據(jù)一致性的輸入選擇。這兩種方法的出發(fā)點(diǎn)看似完全不同，其實(shí)是等價(jià)的，我們的分析表明了這兩種方法本質(zhì)上的聯(lián)系，大量的實(shí)驗(yàn)也證明了這兩種輸入選擇方法的有效性。 本文對(duì)許多著名數(shù)據(jù)挖掘問題進(jìn)行了較全面的分析