基于相关性分析的不完整数据函数依赖挖掘方法

函数依赖(FD)挖掘方法通常专注于发现所有满足函数依赖语法特征的结果,在数据不完整的情况下常导致大量成立但无意义的FD。针对挖掘无效FD的问题,提出基于相关性分析的不完整数据FD挖掘方法。利用概率图模型构建具有缺失值属性的概率分布,通过相关性分析捕捉属性之间的关联关系,避免枚举所有可能性,以挖掘具有统计学意义的FD。实验结果表明,该方法可以更准确地定位到有意义的FD,与最先进的FD发现方法相比,F_(1)分数平均提高1.5倍。

基于2型直觉模糊集的欧氏贴近度的模式识别方法

2型直觉模糊集是直觉模糊集的扩展,它具有处理不确定性、多关键因素性、模糊性和踌躇性等复杂问题的能力。本文提出了一种基于2型直觉模糊集的欧氏贴近度的识别方法。并用实例验证本文所提出方法的正确性,可在实际生活的类别识别问题中应用。