基于精简模糊分类关联规则的分组模糊判决方法
基于改进PSO与规则约简的模糊系统优化算法
总第382期计算机与数字工程Vol.49No.8 2021年第8期Computer&Digital Engineering1525基于改进PSO与规则约简的模糊系统优化算法”蔡际杰陈德旺黄允浒黄玮3（1.福州大学数学与计算机科学学院福州350108）（2.福州大学智慧地铁福建省高校重点实验室福州350108）（3.福州理工学院计算与信息科学学院福州350506）摘要模糊系统是一种具有强可解释性和高鲁棒性的智能方法，但目前仍存在精度不高、产生的模糊规则太多等缺陷。
针对目前存在的问题，论文通过改进粒子群优化算法优化模糊系统高斯型隶属度函数的参数，以及计算规则支持度约简模糊规则，提出了CPSFS和SPSFS两种模糊系统优化算法。
在两个不同领域的经典数据集上的研究结果表明：1）CPSFS 算法在训练集和测试集上的预测精度明显优于传统的BP神经网络、RBF神经网络、线性回归等算法;2）CPSFS算法与SPSFS 算法减少了大量模糊规则，保证了模型的可解释性;3）CPSFS算法在约简模糊规则后预测精度依然表现最优,符合新时代下回归问题对于AI技术的要求。
关键词模糊系统；可解释性;鲁棒性;粒子群优化算法;高斯型隶属度函数中图分类号TP391DOI：10.3969/j.issn.1672-9722.2021.08.005Fuzzy System Optimization Algorithm Based on Improved PSO andRule ReductionCAI Jijie1-2CHEN Dewang1-2HUANG Yunhu1-2HUANG Wei3(1.College of Mathematics and Computer Science-Fuzhou University-Fuzhou350108)(2.Key Laboratory of Intelligent Metro of Universities in Fujian Province-Fuzhou University-Fuzhou350108)(3.School of Computing and Information Science，Fuzhou Institute of Technology，Fuzhou350506)Abstract Fuzzy system is a kind of intelligent method with strong interpretability and high robustness，but at present，there are still some defects，such as low precision，too many fuzzy rules and so on.Aiming at the existing problems，this paper proposes two fuzzy system optimization algorithms，which are CPSFS and SPSFS by improving particle swarm optimization algorithm to optimize the parameters of gauss membership function of fuzzy system，and reducing the fuzzy rules by calculating the support degree of rules.The research results on two classical data sets in different fields show that the prediction accuracy of CPSFS algorithm in training set and test set is obviously better than that of traditional BP neural network，RBF neural network and linear regression algorithm.CPSFS algorithm and SPSFS algorithm reduce a lot of fuzzy rules and ensure the interpretability of the model.CPSFS algorithm still has the best prediction accuracy after reducing the fuzzy rules，which meets the requirements of AI technology for regression problems in the new era.Key Words fuzzy system，interpretability，robustness，particle swarm optimization algorithm，gauss membership function Class Number TP3911引言模糊系统（Fuzzy System,FS）在二十世纪90年代初期间发展迅速，尤其是在模糊控制领域的应用效果突出l1]o但是近年来FS的研究并非主流，究其原因主要是因为目前FS的研究还不够成熟l2],主要*收稿日期：2021年1月13日，修回日期：2021年2月24日基金项目:国家自然科学基金面上项目（编号：61976055）;智慧地铁福建省高校重点实验室建设基金项目（编号：53001703,50013203）资助。
基于关联规则的分类模型系统
基于关联规则的分类模型系统
晁玉宁;许孝元
【期刊名称】《计算机系统应用》
【年(卷),期】2009(018)007
【摘要】关联分类是数据挖掘及机器学习领域的一个研究热点.利用原子关联分类算法(CAAR)建立了数据模型的机器学习系统,详细说明了CAAR算法的分类步骤并给出了算法的伪代码表示.在UCI提供的标准数据集上进行测试,实验验证了在大规模数据集中,在不同的抽样率情况下,原子关联分类算法的分类准确度,用数据的方式与其他分类算法做了比较.对数据集记录次序的依赖性进行的10-折交叉验证实验表明,原子关联分类算法的分类准确度要高于CBA算法.
【总页数】4页(P80-83)
【作者】晁玉宁;许孝元
【作者单位】广东工业大学,计算机学院,广东,广州,510006;广东工业大学,计算机学院,广东,广州,510006
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于模糊分类关联规则的分类系统 [J], 邹晓峰;陆建江;宋自林
2.基于关联规则的垃圾邮件分类模型 [J], 邓慧
3.基于关联规则模型的商品分类问题研究 [J], 伏兰兰;黄秋萍;卢叶园;廖静;甘宇健
4.基于关联规则模型的商品分类问题研究 [J], 伏兰兰[1];黄秋萍[2];卢叶园[1];廖静[1];甘宇健[1]
5.基于关联规则的中医证候分类模型应用研究 [J], 许立辉;王池社;许林涛
因版权原因，仅展示原文概要，查看原文内容请购买。
基于分布估计算法的模糊分类方法_霍纬纲
Ｆ ｕ ｚ ｚ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｍ ｅ ｔ ｈ ｏ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｅ ｓ ｔ ｉ ｍ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｙ ｇ
， ＨＵＯ Ｗ ｅ ｉ ａ ｎ ＧＡＯ Ｘ ｉ ａ ｏ ｘ ｉ ａ －ｇ － ｇ
基于分布估计算法的模糊分类方法
霍纬纲 ，高 小 霞
（ ） 中 国 民 航 大学 计算机 科 学与 技术 学 院 ， 天 津 ３ ０ ０ ３ ０ ０
摘 要 ： 提出了基于分 布 估 计算法的 模 糊 分 类 建 模 方 法 ， 该 方 法 基 于 Ａ ｒ ｉ ｏ ｒ ｉ原 理 生 成 初 始 模 糊 规 则 集 ， 并 且 以 匹 茨 堡 型 ｐ ）分 的 二 进 制 编 码 方 式 对 模 糊 规 则 集 编 码 ， 基于 双 变 量相 关 的 Ｍ Ｉ Ｍ Ｉ Ｃ（ ｍ ｕ ｔ ｕ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｍ ａ ｘ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｉ ｎ ｕ ｔ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｐ ｇ ，Ｐ ，Ｗ 布 估 计算法从 初 始 规 则 集 中 自 动 抽 取 模 糊 规 则 。 通过 在 Ｉ ｒ ｉ ｓ ｉ ｍ ａ ｉ ｎ ｅ这 ３ 个 标 准 数 据 集 的 仿 真 实 验 表 明 ， 该 方 法 比 基 于 遗 传 算法的 模 糊 分 类 器 在 准确 率 和 解 释 性 方 面 更有 效 。 关键词 ： 模 糊 分 类 ； 分 布 估 计算法 ； 模 糊 规 则 ； 规 则抽 取 ； 数 据 挖掘 ）０ 中图法分类号 ：Ｔ Ｐ ３ ０ １ 文献标识号 ：Ａ 文章编号 ： １ ０ ０ ０ ７ ０ ２ ４（ ２ ０ １ ３ ７ ２ ４ １ ３ ０ ４ － － －
一种基于模糊分类的Apriori优化算法
据 挖掘 问题 中的一个 重 要研 究 内容 。其基 本思 想是
逐 层迭 代寻 找频 繁项 集 。 目前 有很 多 产生 频繁 项 目
集 的算 法 ， 些 算法 扫描 数 据 库 产 生 候选 项 目集 都 这
相 当耗 时 ， 必 要对 方法 进 行 改进 。 有
好 的性 能 。但 是 由于 数 据 库 的规 模 通 常是 非 常 大 的， 每次 迭代 时产 生 巨 大 的候 选 集 对 时 间和 空 间 的
ｐ ｅ ｅ ｓ ａ ｏ ｉ ｚ ｔｏ ａ ｇ ｒｔ ｒ ｓ ｎｔ ｎ ｐｔ ｍｉａｉ ｎ ｌｏ ｉ ｈｍ Ａｐ ｉ ｒ ｒｏ ｉ ｓ ｄ ｎ ｕ ｚ ｃ ａ ｓｆｃ ｔｏ ｂａ ｅ ｏ ｆｚ ｙ ｌｓ ｉ ａｉｎ． Ｔｈ ｐｒ ｂ ｅ ｕ ｉ ｇ ｎ ｅ ｖ ｌ ｉ ｅ ｏ ｌｍｓ ｓｎ ｉ ｔｒ ａ ａ ｐ ｏ ｃ ｏ ｑｕ ｎ ｉｙ ｈ ｐ ｏ ｅ ｔ ｄｉｉｉｎ ｃ ｎ ｅ ｅ ｏ ｌｄ ｍｏ ｔ ｌ ａ ｕｇ ｐ ｒｏ ｍａ ｃ ｖ ｒ ｅ ｄ ｐ ｒ ａ ｈ ｔ ａ ｔｆ ｔ ｅ ｒ ｐ ｒｙ ｖ ｓｏ ａ ｂ ｒ ｓ ｖ ｅ ｓ ｏ ｈ ｙ， ｎｄ ｈ ｅ ｅ ｆｒ ｎ ｅ ｏ ｅ ｈ ａ
来 的 巨大 性 能开销 。 以职称 考试 成 绩 为例 ， 验证 了该 算 法 的有 效 性。
关 键词 ： 数据 挖掘 ； 糊 分 类 ； 化 算法 模 优
Ｄ Ｉ 码 ：０ ３ ６ ／ ．ｓｎ １０ Ｏ 编 １ ． ９ ９ ｊｉ ．０ ２—２ ７ ． ０ ０ ０ ．２ ｓ ２ ９ ２ １ ．４ ０ ５
检查 ” 法 大 幅 度 压 缩 了候 选 项 集 的大 小 ， 着较 方 有
可 以帮助 制 定 决 策 ， 营 销 策 略 等 ， 就 是 关 联 规 如 这 则 ¨ 。最经 典 的 关 联 规 则 提 取 算 法 是 Ａ ｒ ｒ ｐｉｉ算 ｏ
【精品课件教案PPT】 基于关联规则的多关系分类算法研究共17页文档
36、如果我们国家的法律中只有某种 神灵， 而不是 殚精竭 虑将神 灵揉进 宪法， 总体上 来说， 法律就 会更好 。—— 马克·吐 温 37、纲纪废弃之日，便是暴政兴起之 时。— —威·皮 物特
38、若是没有公众舆论的支持，法律 是丝毫 没有力 量的。 ——菲 力普斯 39、一个判例造出另一个判例，它们 迅速累 聚，进 而变成 法律。 ——朱 尼厄斯
▪
29、勇猛、大胆和坚定志是一个强壮的盲人，倚靠在明眼的跛子肩上。——叔本华
谢谢！
17
40、人类法律，事物有规律，这是不 容忽视 的。— —爱献 生
▪
26、要使整个人生都过得舒适、愉快，这是不可能的，因为人类必须具备一种能应付逆境的态度。——卢梭
▪
27、只有把抱怨环境的心情，化为上进的力量，才是成功的保证。——罗曼·罗兰
▪
28、知之者不如好之者，好之者不如乐之者。——孔子
适用于即时网路流量分析的快速模糊关联规则产生方法电算中心网路组PPT课件
漸進式關聯規則
網路資料(流量)的更新是隨時進行的，因此，資料庫 中的資料也必須隨著交易的新增而動態的紀錄新的資 料。
但由於一般所謂的動態資料並不適用於用在網路流量 分析上，因為適用於網路中的動態資料，其對於〝即 時〞更為關鍵，所設計的演算法必須快速的處理一筆 新增的資料，且在下一筆新增資料進入之前完成探勘， 並產生關聯法則。
漸進式關聯規則
設計想法考慮到不需要針對資料庫做重複的掃描，融 合了漸進式關聯規則(incremental)的觀念，其演算法設 計的方式，只需要針對上一筆資料的結果加入新進資 料做結合來處理。
不同於傳統關聯規則必須針對資料庫重複的掃描，漸 進式關聯規則能針對新的資料處理，大大的改進重複 搜索資料庫所浪費的時間與資源，因此，動態的關聯 規則便能有效率的提高即時探勘的速度。
模糊關聯規則
很顯然，對於量化的資料庫，傳統的Apriori演算法並 不適用。資料探勘領域中對於這種項目量化的問題也 有若干方法被提出，而對量化資料庫探勘最直接簡單 的方法，就是對於每個項目的數值給予明確的切割以 判定等級，我們用重要性(significance)及穩定度 (certainty)分別取代傳統Apriori演算法中的支持度 (support)以及信賴度(confidence)
將切割的等級分成不 同程度(低、中、高) 帶入模糊函式，取自 於MATLAB Fuzzy Tool Box的預設函數 如下，其中a, b, c 為可調整之常數，右 圖為不同程度所代表 的模糊函數分類。
Low ：f ( x ) = 1 / ( 1 + exp( a ( x - c) ) ) Medium：f ( x ) = 1 / ( 1 + | ( x - c) / a | ^ 2b ) High ：f ( x ) = 1 / ( 1 + exp( -a ( x - c) ) )
基于模糊方法的专家系统设计
基于模糊方法的专家系统设计专家系统是一种模拟人类专家知识进行推理和决策的计算机系统。
在现实生活中，专家系统被广泛应用于各个领域，如医学、金融、工程等，以提供准确的决策和建议。
为了改善专家系统的推理能力，模糊方法被引入其中。
本文将探讨基于模糊方法的专家系统设计，以及其应用和优势。
一、模糊方法在专家系统中的应用模糊方法主要是为了解决模糊问题而提出的一种数学工具。
在传统的专家系统中，知识表示和推理过程通常是基于二值逻辑的，即真或假。
但是，有时候现实世界中的问题并不能被二值逻辑完全描述清楚，存在一定程度的不确定性。
这时候，模糊方法可以将这种不确定性量化，以便于专家系统进行推理和决策。
在专家系统中，模糊方法常常应用于知识表示、模糊推理和模糊决策等方面。
其中，知识表示是指将专家的知识以模糊集、模糊规则等形式进行表示。
模糊推理是指基于模糊逻辑对问题进行推理和推断，以得出合理的结论。
模糊决策是指基于模糊推理结果，进行决策选择的过程。
二、基于模糊方法的专家系统设计流程基于模糊方法的专家系统设计流程主要包括以下几个步骤：1. 确定问题的领域和目标：首先需要确定专家系统所要解决的问题的领域和目标，例如医学诊断、风险评估等。
2. 收集和整理专家知识：与领域专家进行交流，收集和整理专家知识，并对其进行模糊化处理，以适应专家系统的推理和决策需求。
3. 设计知识表示模型：根据收集到的专家知识，设计相应的知识表示模型，如模糊集合、模糊关系等，以便于专家系统进行推理。
4. 构建推理引擎：基于所选用的模糊推理方法，构建专家系统的推理引擎，实现对问题的推理和推断。
5. 验证和调试：对设计的专家系统进行验证和调试，确保其在各种情况下都能给出准确的决策和建议。
6. 系统测试和优化：对专家系统进行系统测试，收集用户反馈，对系统进行优化和改进，以提供更好的用户体验。
三、基于模糊方法的专家系统设计优势基于模糊方法的专家系统设计具有以下几个优势：1. 能够处理不确定性：模糊方法可以对现实世界中的不确定性进行量化，使专家系统能够更好地处理不完全或不确定的信息。
基于模糊逻辑的电子信息系统故障诊断方法
基于模糊逻辑的电子信息系统故障诊断方法随着电子信息系统的广泛应用，系统故障的发生已成为我们日常工作中的常见问题。
为了及时准确地诊断和解决系统故障，提高系统的可靠性和稳定性，基于模糊逻辑的故障诊断方法应运而生。
一、模糊逻辑的基本原理模糊逻辑是一种能够处理不确定性和模糊性问题的数学工具。
与传统的二值逻辑不同，模糊逻辑允许变量具有模糊的、连续的取值，而不仅仅是0或1。
通过模糊逻辑，我们可以将模糊的输入转化为模糊的输出，从而更好地描述和处理现实世界中的复杂问题。
二、基于模糊逻辑的故障诊断方法基于模糊逻辑的故障诊断方法主要包括以下几个步骤：建立模糊规则库、模糊化输入和输出、模糊推理和去模糊化。
1. 建立模糊规则库模糊规则库是基于专家知识和经验构建的一组规则，用于描述输入和输出之间的关系。
通过对系统进行分析和实验，我们可以获得一系列的规则，这些规则可以帮助我们判断系统的状态和故障原因。
2. 模糊化输入和输出在进行模糊推理之前，需要将输入和输出转化为模糊的形式。
这可以通过将输入和输出映射到模糊集合上来实现。
例如，对于温度传感器输出的温度值，我们可以将其划分为“低温”、“正常温度”和“高温”等模糊集合。
3. 模糊推理在模糊推理阶段，我们使用模糊规则库来推断系统的状态和故障原因。
通过将输入和规则库进行匹配，我们可以得到一系列的模糊输出。
这些模糊输出可以表示系统的状态和故障原因的置信度。
4. 去模糊化在模糊推理之后，需要将模糊输出转化为具体的结果。
这可以通过去模糊化的方法来实现。
常用的去模糊化方法包括最大值法、平均值法和中心法等。
通过去模糊化，我们可以得到系统的最终诊断结果。
三、基于模糊逻辑的故障诊断方法的优势基于模糊逻辑的故障诊断方法具有以下几个优势：1. 对不确定性问题具有较强的适应性。
由于电子信息系统中存在着各种各样的不确定性和模糊性，传统的二值逻辑方法往往难以处理这些问题。
而模糊逻辑方法可以更好地描述和处理这些不确定性问题。