一种基于相互约束的模糊数据分类方法

摘要

本发明公开了一种基于相互约束的模糊数据分类方法，用于信息类别模式的建立和数据类别分析，其关键点在于：利用基于弹性理论的4点中心边界算法构造类别规则（五元组模式），利用基于约束规则的模式微调和基于自学习的分类规则优化进行类别规则（五元组）的优化和调整。该算法具备特殊样本（当前未知类别）检测能力，适合于普适数据的分类分析挖掘，对于离群点、类别拓扑不规则和“尖锐边界”问题有较好的适应力，同时，适用于数据量大、不能一次性读入内存的数据集进行分类分析，具有类别自主调整和标识功能。同现有的算法相比较，算法平均识别率达99.47%，平均误报率仅为5.2%，算法运行速度略低于传统算法。