[发明专利]基于NSGA-Ⅱ优化改进的模糊分类模型构造方法

摘要

本发明公开了一种基于NSGA-Ⅱ优化改进的模糊分类模型构造方法，减少特征变量、模糊规则及其前件的冗余，提高模糊分类模型的解释性。首先通过C4.5算法构造初始决策树，实现对特征变量和模糊集合数的选择；然后利用三角隶属函数将决策树转化为初始模糊分类模型；最后基于NSGA-Ⅱ优化模糊分类模型，同时通过对模糊规则及其前件的选择来删除模糊规则中的冗余，从而提高了模糊分类模型的精确性和解释性。

主权项

1.一种基于NSGA-Ⅱ优化改进的模糊分类模型构造方法，其特征在于步骤如下：步骤一、构造初始模糊分类模型根据样本输入输出数据，利用C4.5算法构造初始分类决策树，采用三角形隶属函数将初始分类决策树转化为初始模糊分类模型；步骤二、设定进化参数给定所需的种群规模L、最大迭代次数MAXTER、当前迭代次数t、交叉率pc、变异率pm；步骤三、产生初始代种群将初始模糊分类模型直接编码产生第一条染色体，定义模糊分类模型编码方式如下：CH=C_SC_TC_S=(cs₁,cs₂,…,cs_R)cs_r=(d_1,r,…,d_n,r,d_n+1,r)C_T=(ct₁,ct₂,…,ct_n+1)cti=(a1i,b1i,c1i,...,amii,bmii,cmii)]]>其中，CH表示染色体，C_S为模糊分类模型的规则库中所有规则编码，cs_r为单条规则编码，r=1,2,…,R，R为规则库中的规则数；d_i,r为规则r中变量i的编码，取值为0或者1，i=1,2…,n+1，n为输入变量数；C_T为模糊集合参数编码，ct_i代表变量i的模糊集合参数编码，mⁱ表示变量i的模糊集合数；第一条染色体中C_S所有基因值均取1，模糊集合参数由初始模糊分类模型的模糊集合参数实数编码得到；剩下的L-1条染色体、C_S中所有基因值都取1，C_T以第一条染色体的C_T为中心在搜索空间内随机均匀生成，这L条染色体构成初始代种群；步骤四、定义适应度函数定义如下适应度函数：F1=Σk=1Nek]]>,F₂=R，F₃=rc其中，x_k为给定样本变量，N表示样本数，为分类错误数，R为模糊规则数，rc为模糊规则前件总数；步骤五、全局搜索最优个体并输出利用NSGA-Ⅱ算法全局搜索最优个体，将最优个体反编码为模糊分类模型并输出，初始迭代次数t=0。