的思文习惯L8，…．
在本文中，时问范例的模糊k-NN算法实际上分为3个层次；(1)范例属性的模糊相似
度的定义和计算；(2)范例点的模糊相似度的定义和计算；(3)时间范例的模糊相似度的定义
和计算．圈1若干连续的范例点构成时间范例a
Fig．1 Anumberof㈣poin协formthe扯m删c艘a
范例属性的模糊相似度的定义：常见的范例属性的类型有两种，一类是属性值是连续值
的，如温度、压力等；另外一类是具有离散值的属性，如：天气类型，它只有几个属性值，如晴
天，阴天，多云，和雨天，雪天和雾天等属性值．
对于前一种类型的属性，模糊相似度的定义可以采用如下的倒钟形隶属函数：
∥(n(j，1)，6(j，z))=(1+(丛厶丛二必)2)一1 (1) L
其中a(j，1)、b(J。1)分别为范例点。(J)，b(j)的第L个属性值，c值为隶属函数的特
征值，由专家来决定．根据这个隶属函数，计算两个属性值的差，就可以导出两个属性值的模
糊相似度．隶属函数不采用三角形函数，以防止在匹配的过程中产生过少的匹配范例．
对于后一种类型的属性，可以采用表定义的方法，由人类专家定义各种属性值之问的相
似度．例如：天气属性值之间的模糊相似度的定义。如表1所示．
表1离散范例属性的模糊相似度定义
Table 1 Tile definition of fuzzy slmilarlty of the discrete c№attribute
上一页 [1] [2] [3] 下一页
CBR与模糊结合基于时间范例的预测技术 第2页下载如图片无法显示或论文不完整，请联系qq752018766
