论文部分内容阅读
给出了一种基于模拟退火的模糊分类系统--SAFCS，该分类系统结合了SA元启发式搜索策略的学习能力和模糊系统的近似推理方法，旨在改善与分类问题有关的大型数据空间的搜索性能，找到模糊if-then规则的优化集．SAFCS可以从输入数据集中抽取精确的模糊分类规则，并在若干不同预定义类中将其应用于对新数据实例的分类．文末用某数据集检测了SAFCS的性能，结果表明，在与其他几个著名算法比较时该分类系统性能可靠．