基于模糊数学理论的高维小样本数据特征分类系统

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。

资料为PDF文档格式.

本文档关键词:学理,样本,模糊,特征,数据