第5期 马楠等：一种模糊认知图分类器构造方法 ·595· 5%时，本文模型的分类优势逐渐体现，优于SVM、 fault management in networks using fuzzy cognitive maps /Pro- C4.5和BP的次数分别是2、3和2次，SVM优于 ceedings of International Conference Communications Converging Technologies for Tomorrow's Application.New York,1996:1558 C4.5和BP的次数分别是2次和3次，C4.5和BP [8]Stach W,Kurgan L.Modeling software development project using 分类性能相当；当噪声测度为10%时，本文模型的 fuzzy cognitive maps /Proceedings of 4th ASERC Workshop on 分类性能优于SVM、C4.5和BP的次数分别是2 Quantitative and Soft Softcare Engineering.Banff,2004:55 次，4次和4次，SVM优于C4.5和BP的次数分别 9] Dickerson J A,Kosko B.Adaptive fuzzy cognitive maps in virtual 是2次和4次，C4.5优于BP1次；当噪声测度为 worlds /World Congress on Neural Networks (WCNN 94).San 15%时，本文模型的分类优势进一步体现，优于 Diego,1994:471 [10]Kakolyris A,Stylios G,Georgopoulos V C.Fuzzy cognitive maps SVM、C4.5和BP的次数分别是5、7和6次，SVM优 application for web mining /Proceedings of the Joint 4th Confer- 于C4.5和BP的次数分别是6次和3次，C4.5优于 ence of the European Society for Fuzzy Logic and Technology.Bar- BP1次.表3~表5中每个数字单元格内容的含义 celona,2005:593 同表2.综合表2~表5可知，本文模型的在总体性 [1]Stula M,Stipanicev D,Bodrozic L.Intelligent modeling with 能上优于传统的分类器，尤其随着噪声测度增大，它 agent-based fuzzy cognitive map.Int Intell Syst,2010,25 (10):981 优越性愈加明显. [12]Peng Z,Yang B R,Liu C M,et al.Research on one fuzzy cog- 4结论 nitive map classifier.Appl Res Comput,2009,26(5):1757 (彭珍，杨炳儒，刘春梅，等.一种模糊认知图分类器的研究 模糊认知图已成为数据挖掘领域的热点问题， 计算机应用研究，2009,26(5)：1757) 将它运用到分类问题不但具有深远的理论意义，而 [13]Zhang G Y,Liu Y,Wang YY.Reference algorithm of text cate- gorization based on fuzzy cognitive maps.Comput Eng Appl, 且具有广阔的应用前景.本文从系统模型的视角， 2007,43(12):155 构造了一种新的模糊认知图分类器，从模型的构建 (张桂芸，刘洋，王元元.基于模糊认知图的文本分类推理算 流程、激活函数、推理规则和学习方法等各部件进行 法.计算机工程与应用，2007,43(12)：155) 了深入分析和详细阐述.本文提出的分类器在分类 [14]Wang J Z,Xing Y P,Shi P,et al.Using fuzzy cognitive map to 过程中，改善与提高了模糊认知图内涵的分类功能， effectively classify E-documents and application.Lect Notes Com- put Sei,2005,3795:591 在很大程度上解决了模糊认知图参与挖掘过程的问 [15]Zhu D Y,Mendis B S,Gedeon T.A hybrid fuzzy approach for 题.实验结果表明本文方法是有效的.集成分类器 human eye gaze pattem recognition//Proceedings of Internation- 是提高分类精度的有效方案四，模糊认知图分类器 al Conference on Neural Information Processing of the Asia-Pacific 模型的集成策略是下一步的研究重点. Neural Netcork Assembly.Berlin,2008:655 [16]Blake C,Keogh E,Merz C J.UCI repository of machine leaming 参考文献 databases [DB/OL][2011-05-20]www.ics.uci.edu/~ml- Kosko B.Fuzzy cognitive maps.Int J Man Mach Stud,1986,24: earn/MLRepository.html 65 [17]Brodley C E,Friedl M A.Identifying and eliminating mislabeled Axelrod R.Structure of Decision:the Cognitire Maps of Political training instances /Proceedings of 13th National Conference on Elites.New Jersey:Princeton University Press,1976 Artificial Intelligence.Alon Levy,1996:799 Lin C M.Model Method and Application Study of Fuzy Cognitire [18]Zhang X G.Introduction to statistical leaming theory and support Map [Dissertation].Shanghai:Donghua University,2006 vector machines.Acta Autom Sin,2000,26(1):32 (林春梅.模糊认知图模型方法及其应用研究[学位论文].上 (张学工.关于统计学习理论与支持向量机.自动化学报， 海：东华大学，2006) 2000,26(1):32) 4]Stach W,Kurgan L,Pedrycz W,et al.Genetic leaming of fuzzy 19] Dietterich TG.An experimental comparison of three methods for cognitive maps.Fuzzy Sets Syst,2005,153(3):371 constructing ensembles of decision trees:bagging,boosting,and [5]Georgopoulos V C,Malandraki G A,Stylios C D.A fuzzy cogni- randomization.Mach Learn,2000,40(2):139 tive map approach to differential diagnosis of specific language im- 120]Zhai Y,Yang B R,Qu W,et al.Study on source of classifica- pairment.Artif Intell Med,2003,29 (3):261 tion in imbalanced datasets based on new ensemble classifier. [6]Styblinski M A,Meyer B D.Signal flow graphs vs fuzzy cognitive Syst Eng Electron,2011,33 (1)196 maps in application to qualitative circuit analysis.Int I Man Mach (程云，杨炳儒，曲武，等.基于新型集成分类器的非平衡数 Stud,1991,35(2):175 据分类关键问题研究.系统工程与电子技术，2011,33(1)： Ndousse TD,Okuda T.Computational intelligence for distributed 196)第 5 期 马 楠等: 一种模糊认知图分类器构造方法 5% 时，本文模型的分类优势逐渐体现，优于 SVM、 C4. 5 和 BP 的次数分别是 2、3 和 2 次，SVM 优于 C4. 5 和 BP 的次数分别是 2 次和 3 次，C4. 5 和 BP 分类性能相当; 当噪声测度为 10% 时，本文模型的 分类性能优于 SVM、C4. 5 和 BP 的 次 数 分 别 是 2 次，4 次和 4 次，SVM 优于 C4. 5 和 BP 的次数分别 是 2 次和 4 次，C4. 5 优于 BP 1 次; 当噪声测度为 15% 时，本文模型的分类优势进一步体现，优 于 SVM、C4. 5 和 BP 的次数分别是 5、7 和 6 次，SVM 优 于 C4. 5 和 BP 的次数分别是 6 次和 3 次，C4. 5 优于 BP 1 次． 表 3 ～ 表 5 中每个数字单元格内容的含义 同表 2． 综合表 2 ～ 表 5 可知，本文模型的在总体性 能上优于传统的分类器，尤其随着噪声测度增大，它 优越性愈加明显． 4 结论 模糊认知图已成为数据挖掘领域的热点问题， 将它运用到分类问题不但具有深远的理论意义，而 且具有广阔的应用前景． 本文从系统模型的视角， 构造了一种新的模糊认知图分类器，从模型的构建 流程、激活函数、推理规则和学习方法等各部件进行 了深入分析和详细阐述． 本文提出的分类器在分类 过程中，改善与提高了模糊认知图内涵的分类功能， 在很大程度上解决了模糊认知图参与挖掘过程的问 题． 实验结果表明本文方法是有效的． 集成分类器 是提高分类精度的有效方案［20］，模糊认知图分类器 模型的集成策略是下一步的研究重点． 参 考 文 献 ［1］ Kosko B． Fuzzy cognitive maps． Int J Man Mach Stud，1986，24: 65 ［2］ Axelrod R． Structure of Decision: the Cognitive Maps of Political Elites． New Jersey: Princeton University Press，1976 ［3］ Lin C M． Model Method and Application Study of Fuzzy Cognitive Map ［Dissertation］． Shanghai: Donghua University，2006 ( 林春梅． 模糊认知图模型方法及其应用研究［学位论文］． 上 海: 东华大学，2006) ［4］ Stach W，Kurgan L，Pedrycz W，et al． Genetic learning of fuzzy cognitive maps． Fuzzy Sets Syst，2005，153( 3) : 371 ［5］ Georgopoulos V C，Malandraki G A，Stylios C D． A fuzzy cogni￾tive map approach to differential diagnosis of specific language im￾pairment． Artif Intell Med，2003，29( 3) : 261 ［6］ Styblinski M A，Meyer B D． Signal flow graphs vs fuzzy cognitive maps in application to qualitative circuit analysis． Int J Man Mach Stud，1991，35( 2) : 175 ［7］ Ndousse T D，Okuda T． Computational intelligence for distributed fault management in networks using fuzzy cognitive maps / / Pro￾ceedings of International Conference Communications Converging Technologies for Tomorrow's Application． New York，1996: 1558 ［8］ Stach W，Kurgan L． Modeling software development project using fuzzy cognitive maps / / Proceedings of 4th ASERC Workshop on Quantitative and Soft Software Engineering． Banff，2004: 55 ［9］ Dickerson J A，Kosko B． Adaptive fuzzy cognitive maps in virtual worlds / / World Congress on Neural Networks ( WCNN 94) ． San Diego，1994: 471 ［10］ Kakolyris A，Stylios G，Georgopoulos V C． Fuzzy cognitive maps application for web mining / / Proceedings of the Joint 4th Confer￾ence of the European Society for Fuzzy Logic and Technology． Bar￾celona，2005: 593 ［11］ Stula M，Stipanicev D，Bodrozic L． Intelligent modeling with agent-based fuzzy cognitive map． Int J Intell Syst，2010，25 ( 10) : 981 ［12］ Peng Z，Yang B R，Liu C M，et al． Research on one fuzzy cog￾nitive map classifier． Appl Res Comput，2009，26( 5) : 1757 ( 彭珍，杨炳儒，刘春梅，等． 一种模糊认知图分类器的研究． 计算机应用研究，2009，26( 5) : 1757) ［13］ Zhang G Y，Liu Y，Wang Y Y． Reference algorithm of text cate￾gorization based on fuzzy cognitive maps． Comput Eng Appl， 2007，43( 12) : 155 ( 张桂芸，刘洋，王元元． 基于模糊认知图的文本分类推理算 法． 计算机工程与应用，2007，43( 12) : 155) ［14］ Wang J Z，Xing Y P，Shi P，et al． Using fuzzy cognitive map to effectively classify E-documents and application． Lect Notes Com￾put Sci，2005，3795: 591 ［15］ Zhu D Y，Mendis B S，Gedeon T． A hybrid fuzzy approach for human eye gaze pattern recognition / / Proceedings of Internation￾al Conference on Neural Information Processing of the Asia-Pacific Neural Network Assembly． Berlin，2008: 655 ［16］ Blake C，Keogh E，Merz C J． UCI repository of machine learning databases［DB /OL］［2011--05--20］ www． ics． uci． edu / ～ ml￾earn /MLRepository． html ［17］ Brodley C E，Friedl M A． Identifying and eliminating mislabeled training instances / / Proceedings of 13th National Conference on Artificial Intelligence． Alon Levy，1996: 799 ［18］ Zhang X G． Introduction to statistical learning theory and support vector machines． Acta Autom Sin，2000，26( 1) : 32 ( 张学工． 关于统计学习理论与支持向量机． 自动化学报， 2000，26( 1) : 32) ［19］ Dietterich T G． An experimental comparison of three methods for constructing ensembles of decision trees: bagging，boosting，and randomization． Mach Learn，2000，40( 2) : 139 ［20］ Zhai Y，Yang B R，Qu W，et al． Study on source of classifica￾tion in imbalanced datasets based on new ensemble classifier． Syst Eng Electron，2011，33( 1) : 196 ( 翟云，杨炳儒，曲武，等． 基于新型集成分类器的非平衡数 据分类关键问题研究． 系统工程与电子技术，2011，33 ( 1) : 196) ·595·