[发明专利]信息反馈RBF网络估值的不完整数据模糊聚类方法

摘要

本发明涉及一种信息反馈RBF网络估值的不完整数据模糊聚类方法，步骤如下：1)提出信息反馈RBF网络模型；2)，提出一种信息反馈RBF数值型估值的不完整数据模糊聚类方法(IFRBF‑FCM)；3)利用最近邻规则为不完整数据样本选取相应的训练样本集，利用最近邻训练样本集为每个缺失属性训练IFRBF网络，从而实现对不完整数据样本中缺失属性的估值预测，得到IFRBF网络估值恢复后的完整数据集；4)对不完整数据属性的估值区间进行确定，提出了一种IFRBF区间型估值的不完整数据模糊聚类方法(IFRBF‑IFCM)，得到模糊聚类结果。本发明采用IFRBF网络对不完整数据集进行估值得到的恢复完整的数据集的聚类结果与对比方法相比提高了准确率，比数值型估值的聚类结果更准确，鲁棒性也更好。

主权项

1.信息反馈RBF网络估值的不完整数据模糊聚类方法，其特征在于，步骤如下：1)提出信息反馈RBF网络模型：结合卡尔曼滤波方法，输入参数为X＝(x1,x2,…,xn+m)，输出参数为Y＝(y1,y2,…,ym)，计算不完整数据的理论期望输出值与其网络的实际输出值之间的误差e，由此将RBF神经网络的预测值与数据的理论期望值的差值反馈给输入层，从而得到IFRBF模型；2)利用最近邻规则为不完整数据样本选取相应的训练样本集，并利用最近邻训练样本集为每个缺失属性训练IFRBF网络，从而实现对不完整数据样本中缺失属性的估值预测，进而得到IFRBF网络估值恢复后的完整数据集，并进行模糊聚类分析；3)不完整数据集的区间型转化：通过IFRBF网络对不完整数据样本中丢失的数据属性进行估值填充，得到IFRBF网络对不完整数据样本中的完整属性的估值误差，根据得到的估值误差绝对值的平均值确认该缺失数据属性的区间型表达，并将数据集中的完整属性进行区间化处理；4)利用区间型模糊C均值聚类方法对转化后的区间型数据集进行聚类分析,各个聚类中心由区间型向量表示，得到模糊聚类结果。