基于模糊粗集等價聚類的不確定性屬性約簡及其在服裝搭配上的應(yīng)用.pdf

1、在人工智能、機(jī)器學(xué)習(xí)、模式識別和數(shù)據(jù)挖掘等領(lǐng)域的研究與應(yīng)用中存在著不確定性。例如隨機(jī)性、模糊性，還有不完全性、不一致性等。這些不確定性對于數(shù)據(jù)分析處理，尤其是在與決策分類相關(guān)的屬性約簡中必須加以考慮，否則可能得不到滿意的約簡目標(biāo)。本文研究一種基于模糊粗集等價聚類的不確定性屬性約簡及其在服裝搭配上的應(yīng)用。主要的研究內(nèi)容與創(chuàng)新點有：
　　 給出了一種模糊粗糙集等價類聚類劃分方法；使用了模糊C-均值方法對模糊粗糙集的論域重新進(jìn)行相關(guān)聚

2、類劃分，將分類結(jié)果作為等價類；得到的等價類的平均基數(shù)比較小，能夠有效地加快不確定性屬性約簡的運算速度。
　　 提出了可變截集變精度模糊粗糙集模型：綜合地處理不確定性屬性約簡中的不確定性問題，可以通過改變等價類的截集來去除數(shù)據(jù)集噪聲引起的不確定性；根據(jù)需要設(shè)定近似概念的精度，從而減少決策概念中含有的不確定性，使得到的決策結(jié)果更加可信。
　　 給出了一種偽核集粒子群搜索算法：可以減少大規(guī)模的數(shù)據(jù)集處理中花費的時間，滿足實時性