论文部分内容阅读
在现实生活中,存在着大量语言值数据.为了解决在语言环境中不确定信息的聚类问题,本文提出了一种新的机器学习方法,即基于核方法的模糊对象语言概念格聚类分析模型.该模型通过融合层次聚类与概念格聚类的原理,在寻找到层次聚类局部最优层次的同时优化概念格聚类中的概念选择与概念构造问题.具体地,提出模糊对象语言概念格及其相关性质,它的外延与内涵分别用模糊集与语言术语集来描述,不仅可以表达模糊信息和语言值信息,而且可以描述不同群体之间的语言信息差异;分别分析层次聚类与模糊对象语言概念格聚类,在此基础上,结合核方法计算模糊对象语言概念格中样本间的相似程度,构造基于层次聚类方法的模糊对象语言概念格聚类分析模型;实验结果表明,该模型是有效的,可以集成层次聚类与概念格聚类的优势.