本文關鍵詞：基于GDA的置信規(guī)則庫參數(shù)訓練的集成學習方法

  更多相關文章： 置信規(guī)則庫(BRB) 集成學習 梯度下降法(GDA) Bagging AdaBoost

【摘要】：目前對置信規(guī)則庫(belief rule base,BRB)的研究主要針對單個BRB系統(tǒng),然而單個BRB系統(tǒng)的推理性能不僅受參數(shù)取值的影響,而且當訓練集分布不均衡或數(shù)據(jù)量較少時,容易導致參數(shù)訓練不全面,從而使得推理結果所提供的決策信息存在局部性。通過引入Bagging算法和Ada Boost算法,分別與BRB相結合提出了基于梯度下降法(gradient descent algorithm,GDA)的置信規(guī)則庫系統(tǒng)的集成學習方法,并分別應用于輸油管道檢漏、多峰函數(shù)的置信規(guī)則庫訓練,將多個BRB子系統(tǒng)集成,提高系統(tǒng)的推理性能。在實驗中,以收斂精度和曲線擬合效果作為衡量指標來分析集成系統(tǒng)的性能,并將集成系統(tǒng)與其他單個BRB系統(tǒng)進行比較,實驗結果表明BRB集成學習方法合理有效。
【作者單位】： 福州大學數(shù)學與計算機科學學院;福州大學經(jīng)濟與管理學院;
【基金】：國家自然科學基金Nos.61300026,71501047 福建省自然科學基金No.2015J01248 福州大學科技發(fā)展基金Nos.2014-XQ-26,14SKF16~~
【分類號】：TP181;TP202
【正文快照】： 1 引言 隨著信息技術的快速發(fā)展,為了能夠處理在各種復雜應用背景下多樣性、大容量、高速、實時的數(shù)據(jù),信息融合(data fusion)技術越來越受到各個領域專家的重視。信息融合是模仿人類處理信息的結果,它實際上是一個不確定性推理與決策的過程,其方法包括貝葉斯概率推理法、D-S，

本文編號：1292344