一种基于代表性样本的增强型关系分类器

摘要

本发明涉及一种基于代表性样本的增强型关系分类器。该方法主要包含两步：首先，根据样本的聚类隶属度挑选出具有代表性的样本构成新的训练样本集合Xnew；然后，针对Xnew的聚类隶属度和类别隶属度，采用φ复合算子构建模糊关系矩阵R。本发明的主要特色有以下三点：（1）矩阵R可揭示出聚类和类别间的内在逻辑关系；（2）矩阵R的计算复杂度从O(NLc)降至O(MLc)，其中L为类别个数，c为聚类个数，N是原始数据集X的样本个数，M是Xnew的样本个数，并且N＞M；（3）当样本空间的某些区域不存在足够判别信息时，分类器将拒绝对落入该区域的测试样本做出决策，从而保证分类结果的可信度。