模糊分类算法及其在数据分析系统中的应用研究

摘要

模糊分类技术在数据挖掘、模式识别、智能系统等领域有着重要的应用。改进传统模糊分类算法，以适应大数据处理环境，且能够保证其有较高的时间效率或分类精度，已成为模糊系统、机器学习、大数据处理等的重要研究方向之一。
　　本文工作如下:
　　1.针对常见的模糊分类系统难以直接处理大数据的问题，本文对经典Chi-FRBCS(Fuzz-Rule-Based Classification Systems)中采用的分类算法进行改进，提出了MR-FRBCS分类算法，并进行仿真实验。该算法应用MapReduce对大数据集实现存储和处理的分治，并能根据规则取舍的不同方法，得到分类处理且有较高的时间效率或分类精度。
　　2.遵循软件工程规范，部分设计和实现了东江湖流域数据综合管理与智能分析系统。该系统构建了多个职能部门的数据库子系统，每个模块实现了数据管理与智能分析功能，并进行了部分软件测试，且把MR-FRBCS算法应用于气象数据的分类处理。该系统运行稳定可靠，符合用户需求，能为东江湖流域的政府职能部门进行科学管理和行政决策提供有效支撑。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 模糊分类的研究现状

1．2．2 大数据的研究现状

1．3 研究内容

1．4 论文组织

第二章 相关知识介绍

2．1 模糊推理

2．2 模糊分类

2．2．1 模糊IF-THEN分类规则

2．2．2 隶属度函数

2．2．3 模糊划分

2．3 大数据基本概念

2．3．1 大数据定义

2．3．2 大数据特征

2．4 Hadoop生态系统

2．5 MapReduce编程模型

第三章 面向大数据的模糊分类算法

3．1 基于模糊规则的分类系统

3．2 Chi-FRBCS的分类算法

3．3 MR-FRBCS算法

3．3．1 模糊数据集的构建

3．3．3 MR-FRBCS-Ave

3．4 仿真实验

3．4．1 实验环境

3．4．2 实验分析

第四章 东江湖流域数据综合管理与智能分析系统

4．1 系统设计背景

4．2 系统概述

4．2．1 系统设计目标

4．2．2 系统环境配置

4．3 系统需求分析

4．4 系统设计

4．4．1 基础数据库

4．4．2 原始数据收集整理

4．4．3 系统功能界面

4．5 系统测试

4．5．1 测试目的

4．5．2 测试方案

4．6 MR-FRBCS算法在系统中的应用

4．6．1 应用环境

4．6．2 MR-FRBCS运行时效分析

总结与展望

参考文献

致谢

附录(攻读学位期间发表论文目录)