基于模糊超网络的知识获取方法研究
本文结合模糊粗糙集理论与超网络的相关知识,提出了一种模糊超网络模型.与传统超网络模型的不同之处在于,模糊超网络模型采用了模糊等效关系来代替超网络中的分明等效关系,并在此基础上对超边的生成和演化进行了改进.根据样本的分布将样本集划分成3个区域,即正域、边界域和负域,不同区域的样本按照不同的方式生成超边;根据分类效果将超边集也划分成3个区域,并对不同区域的超边进行相应地替换处理.实验结果表明,在正确率、Precision、Recall等指标上,模糊超网络分类算法具有明显的优势.
模糊等价、模糊集、模糊粗糙集、三支决策、超网络、知识获取方法、分类算法
14
TP18(自动化基础理论)
国家自然科学基金项目61533020,61472056,61309014;重点产业共性关键技术创新专项项目cstc2017zdcy-zdyf0332,cstc2017zdcy-zdzx0046;重庆市基础与前沿项目cstc2017jcyjAX0408
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共12页
479-490