一种基于支持向量机的专家系统知识获取方法技术方案

本发明专利技术提出了一种基于支持向量机的专家系统知识获取方法，基于支持向量机的规则提取过程包括：数据预处理、支持向量聚类、超矩形规则提取和规则简化、以及基于规则的样本识别过程；所述方法经过特征提取与规则简化之后，提取的规则更加简洁，易于解释；在计算聚类分配矩阵时，仅对支持向量进行聚类标识，大大降低了计算量；规则提取方法先进，诊断识别率更高；支持向量机是数据挖掘中的一种新兴的分类技术，具有坚实的理论基础和优良的泛化性能；本发明专利技术能有效地获取专家系统知识规则，突破专家系统知识动态获取的瓶颈。

【技术实现步骤摘要】

本专利技术属于信息处理
，特别是。
技术介绍
目前，基于数据挖掘的知识获取主要是通过机器学习或数理统计方面的一些算法从已有的一些数据中获取知识。其中关联分析法、人工神经元网络、粗糙集和决策树等在数据挖掘中的应用很广泛。如果能把这些算法和目前的实际应用相结合，就能够从实际的数据中自动获取知识规则，有效地突破了知识获取的瓶颈问题。将大大提升专家系统的智能化水平和知识获取能力。近年来，支持向量机作为数据挖掘中的一种新兴的分类技术，完善的泛化性理论指导和核函数强大的非线性映射能力使支持向量机和神经网络一样，具有逼近任意连续有界非线性函数的能力，并且它还具有神经网络所不具有的许多优点，如泛化能力强，学习问题不存在局部极小，可以自动确定学习机的结构，不存在维数灾难问题，以及处理小样本能力强等。由于这些优点，基于支持向量机的数据挖掘技术已受到数据挖掘界的重视，对它的研究不断深入。而且，迄今发表的SVM规则提取算法不仅简单而且具有广泛的适用性。目前已有的从SVM中提取知识的方法有二，一是首先利用K-means聚类算法得到训练样本集中每一类样本的聚类中心，然后在得到的聚类中心和支持向量的基础上本文档来自技高网...

【技术保护点】
一种基于支持向量机的专家系统知识获取方法，其特征在于，所述方法包括：数据预处理、支持向量聚类、超矩形规则提取和规则简化、以及基于规则的样本识别过程；具体描述如下:步骤A,对不平衡样本进行数据预处理；判断各类样本的数目是否平衡，若不平衡，则采用SMOTE过抽样算法对少数类样本进行重采样，以使得各类样本数目平衡；其过程如下：步骤A?1，对少数类中的每一个样本x，计算x到少数类样本集中每个样本的欧几里德距离，获得其k个最近邻，k为自然数；步骤A?2，样本数据集中多数类与少数类样本数目的比值为不平衡比率U，根据U设置采样倍率；对每一个少数类样本x，从其k个最近邻中随机选择合适的一个样本为在x与之间进行...

【技术特征摘要】
1.一种基于支持向量机的专家系统知识获取方法，其特征在于，所述方法包括数据预处理、支持向量聚类、超矩形规则提取和规则简化、以及基于规则的样本识别过程；具体描述如下 步骤A，对不平衡样本进行数据预处理；判断各类样本的数目是否平衡，若不平衡，则采用SMOTE过抽样算法对少数类样本进行重采样，以使得各类样本数目平衡；其过程如下步骤A-...

【专利技术属性】
技术研发人员：李爱，陈果，王洪伟，郝腾飞，于明月，程小勇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：