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。