近年來,模糊認(rèn)知圖由于其簡潔的結(jié)構(gòu),良好的可解釋性和快速的推理能力,已經(jīng)引起了學(xué)術(shù)界的廣泛關(guān)注,并且在現(xiàn)實(shí)生活中得到了充分的應(yīng)用。為了將模糊認(rèn)知圖擴(kuò)展到更多領(lǐng)域,如何通過學(xué)習(xí)算法得到高精度的模糊認(rèn)知圖成為了核心研究任務(wù)。高精度的模糊認(rèn)知圖主要有以下兩個(gè)特點(diǎn):高精度的模糊認(rèn)知圖具有很強(qiáng)的數(shù)值擬合能力;模糊認(rèn)知圖的模型應(yīng)該盡量貼合現(xiàn)實(shí)模型,其中一個(gè)重要特征就是它們往往是稀疏的。目前很多算法都只將目光集中在提升模型的數(shù)值擬合能力上,而忽視了現(xiàn)實(shí)模型所應(yīng)有的稀疏結(jié)構(gòu)。除此之外,現(xiàn)實(shí)數(shù)據(jù)往往含有噪聲,為了讓所學(xué)習(xí)出的模糊認(rèn)知圖更加實(shí)際可用,高精度的模糊認(rèn)知圖也應(yīng)盡可能地?fù)碛械挚乖肼暤哪芰�。本文主要研究如何設(shè)計(jì)多種學(xué)習(xí)算法,使得算法在提升模糊認(rèn)知圖的數(shù)值擬合能力的同時(shí)也能夠獲得具有稀疏結(jié)構(gòu)的模型。主要工作總結(jié)如下:基于煙花算法的稀疏模糊認(rèn)知圖學(xué)習(xí)方法:目前大多數(shù)用于學(xué)習(xí)模糊認(rèn)知圖的進(jìn)化算法不夠簡潔和快速,而煙花算法作為一種新提出的快速簡單的進(jìn)化算法值得應(yīng)用于該問題上。煙花算法已經(jīng)應(yīng)用在非負(fù)矩陣分解,圖像識(shí)別和濾波器設(shè)計(jì)等方向,然而目前煙花算法還沒有應(yīng)用于模糊認(rèn)知圖的學(xué)習(xí),也不能針對(duì)稀疏結(jié)構(gòu)進(jìn)行學(xué)習(xí)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一個(gè)5節(jié)點(diǎn)的模糊認(rèn)知圖

西安電子科技大學(xué)碩士學(xué)位論文制的 Memtic 算法的稀疏模糊認(rèn)知圖學(xué)MA 算法描述學(xué)習(xí)稀疏模糊認(rèn)知圖時(shí)表現(xiàn)出優(yōu)秀的性能[56]，因算法(DC-MA)用于學(xué)習(xí)高精度稀疏模糊認(rèn)知圖。我算子，選擇策略，局部搜索策略和自學(xué)習(xí)策略組子，用以獲得最優(yōu)解和控制密度，局部搜索策略用習(xí)策略來調(diào)整密度。圖 3.1 描述了 DC-MA 的流程

圖 3.2 密度控制交叉算子子變異算子作為基本變異算子。當(dāng)我們選擇一個(gè)，則像往常一樣進(jìn)行變異操作；如果該值為零，位置并將該值設(shè)置為零。需要注意的是，密度控解設(shè)置為零，因此變異概率應(yīng)當(dāng)設(shè)置為合理的值

【參考文獻(xiàn)】：
期刊論文
[1]煙花算法研究進(jìn)展[J]. 譚營,鄭少秋.  智能系統(tǒng)學(xué)報(bào). 2014(05)



本文編號(hào)：3398876