1、“數(shù)據(jù)挖掘”的目標是要從錯綜復雜的數(shù)據(jù)中去發(fā)現(xiàn)某種重要的模式和趨勢，真正地去理解數(shù)據(jù)的內涵，模糊系統(tǒng)正是“數(shù)據(jù)挖掘”的一個理想的系統(tǒng)和方法。模糊系統(tǒng)有著非常靈活的數(shù)學結構，是一種高效的萬能逼近器。更為重要的是，模糊系統(tǒng)的規(guī)則庫能為我們提供許多隱藏在數(shù)據(jù)中的知識，并以規(guī)則的形式為人們所用。但是，這并不意味著模糊系統(tǒng)已經完美無缺。 1.現(xiàn)有模糊建模的許多方法僅僅是從函數(shù)逼近這個角度來研究，即如何改進函數(shù)逼近精度以及建模的速度。這只是

2、從模糊系統(tǒng)是萬能逼近的性質方面來進行模糊建模，如何更加充分地利用各種信息尤其是來自于數(shù)據(jù)的信息呢? 2.當面對高維數(shù)據(jù)，現(xiàn)有的模糊系統(tǒng)依然面臨著維數(shù)災難的問題：模糊規(guī)則的指數(shù)增長；大量參數(shù)需要擬合而卻只有十分稀疏的數(shù)據(jù)散落在高維空間等等。 本文針對這兩個問題，提出了我們自己的方法。1.我們處理規(guī)則爆炸的基本思想來源于聚類。所謂“人以群分，物以類聚”，相似的數(shù)據(jù)被劃分為一類，然后對每一類僅用一條規(guī)則進行描述。這樣規(guī)則數(shù)將不

3、會隨維數(shù)的增長而指數(shù)增長，而是與數(shù)據(jù)本身的特征聯(lián)系起來。 2.為了獲得更為有效的論域劃分，我們研究了現(xiàn)有的各種聚類方法，比較了它們各自的優(yōu)缺點，并最終提出了兩種基于MCV聚類的模糊建模新方法。本文詳細地討論了這兩種方法獲取的隸屬度函數(shù)的特點，以及參數(shù)估計方面的性質，并把這兩種方法與其它經典的方法進行了比較。從數(shù)據(jù)挖掘這個角度看，我們的方法不僅具有很好的預測能力，還提供了更簡潔的規(guī)則庫，為分析問題的本質和發(fā)現(xiàn)數(shù)據(jù)中隱含的知識提供了

4、更好的工具。 3.如何處理高維問題?輸入選擇應該是關鍵的第一步。它不僅起到了降維的作用，還能增加模型的可解釋性并減少計算量。 我們在本文中提出了兩種基于常識的輸入選擇方法，一種是基于靈敏度分析的輸入選擇，另一種是基于數(shù)據(jù)一致性的輸入選擇。這兩種方法的出發(fā)點看似完全不同，其實是等價的，我們的分析表明了這兩種方法本質上的聯(lián)系，大量的實驗也證明了這兩種輸入選擇方法的有效性。 本文對許多著名數(shù)據(jù)挖掘問題進行了較全面的分析