基于模糊数学理论的高维小样本数据特征分类系统

摘要：

高维小样本数据特征分类易受到奇异性问题的影响,导致数据特征分类精准度较低.为了解决该问题,提出基于模糊数学理论的高维小样本数据特征分类系统.采用人机交互端、逻辑处理端和数据分类端,分别为系统提供交互端口、数据特征处理端口和分类端口.利用模糊数学理论方法构建类内协方差矩阵、类间协方差矩阵、总体协方差矩阵,分析高维小样本数据特征,解决高维小样本数据特征奇异性问题.引入分明函数约简高维小样本数据特征,为分类降低数据集维数.统计约简后数据,结合模糊数学理论设计分类流程,最后根据确定的数据标号构建分类模型.根据实验结果可知,该系统对5类高维数据特征的分类精准度均在85％以上,证明其具有高精准分类效果.

关键词：模糊数学理论、高维小样本、数据特征、数据分类、人机交互端、逻辑处理端、数据分类端

所属期刊栏目：45

分类号：TN919-34;TP391

在线出版日期：2022-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：166-170