从样本数据中提取模糊规则的算法研究

摘要

如何从大量数据中提取或"挖掘"知识是数据挖掘领域中的研究热点之一.利用神经网络在提取规则时的优势从样本数据中提取模糊规则.介绍了一系列算法,其中朴素提取规则仅是对样本数据粗糙的挖掘.参照模糊控制中的模糊化思路,可在挖掘问题中引入模糊语言变量.根据隶属函数的训练,模糊语言的筛选,属性间是否存在相关性的判断等问题,利用神经网络中的BP算法提出了双向训练算法.在已完成训练的网络进行网络剪裁,最后在完成剪裁的网络上,先确定候选规则再利用聚类结果从候选规则中提取模糊规则.