基于EM的模糊-粗糙集最近邻算法  

Fuzzy-rough Set Nearest Neighbor Algorithm Based on EM

作　　者：何力[1] 卢冰原[1] 

机构地区：[1]南京工程学院经济管理学院,南京211167

出　　处：《计算机工程》2010年第24期136-138,共3页Computer Engineering

基　　金：南京工程学院科研基金资助项目(YKJ200903);江苏省教育厅高校哲学社会科学基金资助项目(09SJD630036)

摘　　要：针对由类的重叠引起的训练样本模糊不确定性,以及属性不足引起的类边界粗糙不确定性,提出一种基于期望-最大化(EM)的模糊-粗糙集最近邻分类算法——EM-FRNN。利用UCI数据库的突发性水污染事件案例进行实验,实验结果表明,与朴素的KNN、模糊最近邻算法、模糊粗糙最近邻算法相比,该算法的运算精度高且计算成本较低。For fuzzy-uncertainty with class overlap and rough-uncertainty with lack of features, this paper proposes a fuzzy-rough nearest neighbor clustering classification algorithm based on Expectation-Maximization（EM）. named EM-FRNN. Through the experments with UCI emergency water pollution cases database, compared with the classic algorithms, such as KNN, FKNN, FRNN, EM-FRNN algorithm improves classification precise and reduces computation.

关 键 词：最近邻 模糊-粗糙集 期望-最大化 EM—FRNN算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]