一种基于模糊熵的模糊分类算法

doi:10.3778/j.issn.1002-8331.2010.20.049

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (20): 176-180.DOI: 10.3778/j.issn.1002-8331.2010.20.049

一种基于模糊熵的模糊分类算法

翟俊海¹，王华超¹，张素芳²

1.河北大学数学与计算机学院，河北省机器学习与计算智能重点实验室，河北保定 071002
2.河北省信息工程学校数学教研室，河北保定 071000

收稿日期:2010-04-14 修回日期:2010-05-18 出版日期:2010-07-11 发布日期:2010-07-11
通讯作者: 翟俊海

Fuzzy classification algorithm based on fuzzy entropy

ZHAI Jun-hai¹，WANG Hua-chao¹，ZHANG Su-fang²

1.Key Lab of Machine Learning and Computational Intelligence，College of Mathematics and Computer Science，Hebei University，Baoding，Hebei 071002，China
2.Teaching and Research of Section of Mathematics，Hebei Information Engineering School，Baoding，Hebei 071000，China

Received:2010-04-14 Revised:2010-05-18 Online:2010-07-11 Published:2010-07-11
Contact: ZHAI Jun-hai

摘要/Abstract

摘要： 在模糊ID3算法中，用模糊分类熵选择扩展属性，以自顶向下的方式递归地构建模糊决策树，对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法，不同于模糊ID3算法，模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权，综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。

关键词: 模糊信息系统, 模糊决策树, 模糊ID3算法, 模糊熵, 模糊条件属性, 模糊决策属性

Abstract: Fuzzy ID3 uses the fuzzy classification entropy as the criterion to select the expanded attributes，the fuzzy decision tree used for classification of data is recursively generated from top to bottom.Based on fuzzy entropy，this paper presents a fuzzy classification algorithm.Different from fuzzy ID3，the fuzzy entropies of fuzzy condition attributes are used as weights to weigh the relative fuzzy frequencies.The proposed algorithm integrates the contributions of all fuzzy condition attributes together.An illustrative example as well as the experimental results demonstrates the effectiveness of the proposed method.

Key words: fuzzy information system, fuzzy decision tree, fuzzy ID3, fuzzy entropy, fuzzy condition attributes, fuzzy decision attributes

中图分类号:

TP181

翟俊海¹，王华超¹，张素芳². 一种基于模糊熵的模糊分类算法[J]. 计算机工程与应用, 2010, 46(20): 176-180.

ZHAI Jun-hai¹，WANG Hua-chao¹，ZHANG Su-fang². Fuzzy classification algorithm based on fuzzy entropy[J]. Computer Engineering and Applications, 2010, 46(20): 176-180.

[1]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[2]	黄林，袁修久. 改进的犹豫模糊语言熵的一般公式与生成算法[J]. 计算机工程与应用, 2021, 57(16): 97-107.
[3]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[4]	田程，胡廷，曹锐，相洁. 模糊熵和深度学习在精神分裂症中的应用研究[J]. 计算机工程与应用, 2020, 56(3): 152-158.
[5]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.
[6]	王斌1，王哲辰2，周炜1，郝天鹏1. 基于熵和改进的协相关度的直觉模糊决策方法[J]. 计算机工程与应用, 2018, 54(6): 247-251.
[7]	汪良楠，肖迪. 基于CCS优化的FDT集成分类算法研究[J]. 计算机工程与应用, 2018, 54(5): 127-131.
[8]	赵彤彤1，张春雷2，张春雨3，高世臣1. 基于模糊熵的KNN分类模型在岩性识别中的应用[J]. 计算机工程与应用, 2018, 54(24): 260-265.
[9]	李安迪1，2，刘祎1，2，张权1，2，桂志国1，2. 各向异性加权先验模型MAP投影域降噪[J]. 计算机工程与应用, 2018, 54(22): 180-185.
[10]	刘光达，王伟，尚小虎. 基于脑电模糊分析的睡眠分期方法研究[J]. 计算机工程与应用, 2017, 53(23): 29-33.
[11]	王翠翠1，李宝萍1，2，毛军军2. 基于区间二型模糊熵的多属性决策方法[J]. 计算机工程与应用, 2017, 53(18): 132-136.
[12]	赵愿1，毛军军1，2. 一种新的区间直觉模糊熵及其应用[J]. 计算机工程与应用, 2016, 52(12): 85-89.
[13]	恩德，张凤磊，张昭，忽胜强. 模糊熵在车载环境下语音端点检测中的应用[J]. 计算机工程与应用, 2016, 52(10): 147-150.
[14]	纪丽珍1，李鹏1，李林2，刘澄玉1，王新沛1，李可1，刘常春1. 冠心病患者心脏电-机械活动时间序列的熵分析[J]. 计算机工程与应用, 2016, 52(10): 265-270.
[15]	李佳骏，宋旭东，李艳红. Vague软集的新模糊熵及其应用[J]. 计算机工程与应用, 2015, 51(13): 221-224.

一种基于模糊熵的模糊分类算法

Fuzzy classification algorithm based on fuzzy entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics