关键词：样本选择 非平稳割点 阈值 分类器 

摘要：语义描述是聚类与分类领域的研究热点。基于公理模糊集(Axiomatic fuzzy sets,AFS)的分类算法可以模仿人类推理机理得到具有良好可解释性的类描述。在同等分类性能下,简化类描述将有助于人们较好地理解与应用分类结果。该文利用非平稳割点样本选择策略(Sample selection algorithm of unstable cut points,UCSS)和区间二型隶属函数,设计了基于非平稳割点样本选择的二型AFS(UCSS-AFS)分类方法。该分类方法在保持较好的分类准确率和语义的基础上,可以有效降低类描述的复杂度。为验证所设计方法的可实践性,该文对UCI数据库中的18个数据集进行实验。实验结果表明,UCSS-AFS分类方法在保持较好的分类准确率下所获得的规则易于理解与应用。

南京理工大学学报杂志要求:

{1}引用大型常用出土文献合集，可使用括注，括注应使用不同于正文的字体。第一次应使用全称，第二次可使用简称。

{2}论文作者自愿将其拥有的对该论文的汇编权（论文的部分或全部）、翻译权、印刷版和电子版的复制权、网络传播权和发行权转让给编辑部。

{3}参考文献：论著文章要求15条以上，主要引用近3～5年内的新文献。按GB7714-87《文后参考文献著录规则》采用顺序编码著录，依照其在文中出现的先后顺序用阿拉伯数字标出。

{4}论文可以写200字以内的中文摘要和3～5个关键词，若论文受到省、部级以上基金项目支持，请注明基金名称和项目编号。

{5}来稿为基金资助项目请注明何种基金资助项目或课题（并附编号）。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社