AFS理论在数据挖掘中的应用.pdf

第21 卷 第4 期 景德镇高专学报 VOI. 21 NO. 4 2006 年12 月 JOIPnHI Of Jingdezhen COmpPehensive COIIege Dec. 2006 AFS 理论在数据挖掘中的应用 ! 1，2 1 2 3 邱望仁 谢 永 刘晓东 俞美芳 （1、景德镇陶瓷学院计算机系，江西 景德镇 33300 1；2 、大连海事大学数理系，大连 116026 ； 3 、景德镇五中，江西 景德镇 333000 ） 摘 要： 本文结合数据挖掘的功能，将AFS 理论在其中的应用进行了综合分类研究，简要介绍了各种应用的方法和 优点，对AFS 理论在实践中应用的全面掌握有一定的促进作用。 关键词： AFS 理论；数据挖掘；分类研究 中图分类号：TP 文献标识码：A 文章编号： 311. 1 1008 - 8458（2006 ）04 - 0004 - 03 AFS 理论是刘晓东教授于 1995 年首先提出的，可用来 多个类的过程被称为聚类。它的目的是使得属于同一类别 研究人类思维的法则，便于计算机操作，较好地揭示人靠经 个体之间的距离尽可能的小，而不同类别上的个体间的距离 验和直觉描述复杂的模糊概念以及确定相应模糊概念的隶 尽可能的大。 属函数的内在机理。AFS 理论是从问题的原始数据出发，用 基于AFS 理论的模糊聚类分析，在文［1，2 ］中有详细的 AFS 结构和AFS 代数的运算和其上的一个逆序对合运算来 讨论，其方法是先生成相关概念的拓扑；再根据定义和生成 建立模糊逻辑系统，用拓扑分子格刻划人类概念之间的抽象 各点在概念和概念拓扑下的邻域，利用这些数据求出邻域中 关系，使得隶属函数和模糊逻辑系统的建立更具客观性、严 包含元的个数［1］ ［2 ］ 或邻域的个数 算出各元素对某复杂概念 密性和统一性。AFS 理论已经尝试着被应用于聚类分析、模 的隶属度，从而得到聚类结果。 式识别和故障诊断等领域。 按AFS 理论的方法进行聚类分析，由于该方法是由简单 数据挖掘是从大量数据中挖掘出隐含的、先前未知的、 概念生成的拓扑来计算隶属度的，这就意味着它不仅表示了 对决策有潜在价值的信息和规则的过程。为经营决策、市场 与问题相关的概念，而且还生成了与之相关的复杂概念，因 策划、金融预测等提供依据。简单地说，数据挖掘是从大量 此该方法的隶属函数考虑的更全面，得出的隶属度能更准确 数据中提取或“挖掘”知识，而它们对于预测和决策行为是十 的描述事实。 分有用的。由于数据挖掘源于多个学科，根据不同的标准， 2 基于AFS 理论的模糊分类器的设计 数据挖掘系统可有不同的分类。根据挖掘任务，一般可以分 为两大类：描述和预测。根据挖掘方法分类有：统计方法、机 分类发现作为数据挖掘的一项重要任务，在许多领域有 器学习方法、神经网络方法，等等。 着广泛的应用，如科学实验、医疗诊断、气象预报等领域，引 在刘晓