基于NSGA-Ⅱ优化改进的模糊分类模型构造方法技术

本发明专利技术公开了一种基于NSGA-Ⅱ优化改进的模糊分类模型构造方法，减少特征变量、模糊规则及其前件的冗余，提高模糊分类模型的解释性。首先通过C4.5算法构造初始决策树，实现对特征变量和模糊集合数的选择；然后利用三角隶属函数将决策树转化为初始模糊分类模型；最后基于NSGA-Ⅱ优化模糊分类模型，同时通过对模糊规则及其前件的选择来删除模糊规则中的冗余，从而提高了模糊分类模型的精确性和解释性。

【技术实现步骤摘要】

本专利技术属于数据挖掘和人工智能的
，涉及一种模糊分类模型构造方法，尤其是一种基于第二代非支配排序遗传算法(Non-dominated sorting geneticalgorithm II，NSGA-1I)优化改进的模糊分类模型构造方法。
技术介绍
模糊分类模型的知识表达形式和推理机制符合人类思维习惯，其结构和模糊集合隶属函数参数具有明显的物理意义。人们可通过易于理解的模糊规则洞察分类模型的内部运行机理，即解释性是模糊分类模型最显著的特征，尤其在医学、金融等领域，解释性甚至成为构建分类模型时的首要目标。随着分类问题维数和复杂性的提高，利用传统的方法构造模糊分类模型主要存在以下几个问题而使模型不具备解释性:1)特征变量的维数存在冗余；2)模糊规则数比实际需要的多；3)模糊规则前件数比实际需要的多；4)模糊集合的数量与参数设计不合理。为克服以上问题，诸多学者对在保证系统精确性时如何提高模型的解释性进行了相关石开究° “J.Pan, D.Westwick, E.Nowick1.Flux estimation of inductionmachines with the linear本文档来自技高网...

【技术保护点】
一种基于NSGA?Ⅱ优化改进的模糊分类模型构造方法，其特征在于步骤如下：步骤一、构造初始模糊分类模型根据样本输入输出数据，利用C4.5算法构造初始分类决策树，采用三角形隶属函数将初始分类决策树转化为初始模糊分类模型；步骤二、设定进化参数给定所需的种群规模L、最大迭代次数MAXTER、当前迭代次数t、交叉率pc、变异率pm；步骤三、产生初始代种群将初始模糊分类模型直接编码产生第一条染色体，定义模糊分类模型编码方式如下：CH=CSCTCS=(cs1,cs2,…,csR)csr=(d1,r,…,dn,r,dn+1,r)CT=(ct1,ct2,…,ctn+1)cti=(a1i,b1i,c1i,...,...

【技术特征摘要】

【专利技术属性】
技术研发人员：邢宗义，朱跃，季海燕，俞秀莲，夏军，陈岳剑，任金保，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：