一种核模糊分类器的规则生成方法

摘要

提出一种基于核函数的模糊分类器的模糊规则产生方法.首先借鉴支持向量机（SVM）的思想,选用适当的核函数,将初始的样本空间映射为高维的特征空间,使得样本在高维特征空间的分布比在原来空间的分布简单可分.然后,用一种动态聚类方法,在高维特征空间将同一类的训练样本分成簇,求出该簇的支持向量.对于每簇建立一个模糊规则,隶属函数采用超椭圆体函数.最后,利用遗传算法对规则进行优化调整.用两个典型的数据集来评测本文所提方法构成的分类器,结果表明这种分类器学习时间短,分类精度较高,分类速度较快.