Resumen

La clasificación es un tema importante en la minería de datos. Los conjuntos aproximados y las redes neuronales son las técnicas más comunes aplicadas en problemas de minería de datos. Con el fin de extraer conocimiento útil y clasificar patrones ambiguos de manera efectiva, este documento presentó un algoritmo híbrido basado en la integración de conjuntos aproximados y redes neuronales BP para construir un sistema de clasificación novedoso. Los valores de atribución fueron discretizados a través del algoritmo PSO en primer lugar para establecer una tabla de decisión. Se propusieron un algoritmo de reducción de atribución y un método de extracción de reglas basado en conjuntos aproximados, y se diseñó el diagrama de flujo del enfoque propuesto. Finalmente, se desarrolló un sistema prototipo y se llevaron a cabo algunos ejemplos de simulación. Los resultados de la simulación indicaron que el enfoque propuesto era factible y preciso y superaba a otros.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Clasificación; Minería de datos; Conjuntos aproximados; Redes neuronales; Algoritmo híbrido; Tabla de decisión
• Keywords:Classification; Data mining; Rough sets; Neural networks; Hybrid algorithm; Decision table