【摘要】：分類是機器學(xué)習(xí)和模式識別領(lǐng)域的經(jīng)典問題之一。對有監(jiān)督分類任務(wù),分類器從訓(xùn)練樣本中學(xué)習(xí)知識,并調(diào)整自己的行為來實現(xiàn)更好的分類表現(xiàn)。許多經(jīng)典的方法被提出用于解決分類問題,例如支持向量機、神經(jīng)網(wǎng)絡(luò)、貝葉斯分類器、決策樹等。在這些方法中,神經(jīng)網(wǎng)絡(luò)憑借其易于構(gòu)建和優(yōu)異的近似能力,被廣泛的應(yīng)用于分類任務(wù)中。神經(jīng)網(wǎng)絡(luò)的分類過程可以從幾何角度被解釋。在分類過程中,神經(jīng)網(wǎng)絡(luò)將待分類樣本從原始的數(shù)據(jù)空間映射到一個新的空間,其被稱為分區(qū)空間。在分區(qū)空間中,每個類別分別被表示為空間中一個特定的點,稱之為質(zhì)心。待分類樣本被標(biāo)記為距離其最近的質(zhì)心所代表的類別。然而,質(zhì)心固定的問題,即質(zhì)心的位置,標(biāo)簽和數(shù)目在訓(xùn)練之前就被固定,限制了訓(xùn)練過程中可用的神經(jīng)網(wǎng)絡(luò)的范圍。一個神經(jīng)網(wǎng)絡(luò)應(yīng)該被認為是成功的,只要神經(jīng)網(wǎng)絡(luò)能將樣本映射到正確的類別上,即使該類別對應(yīng)的質(zhì)心位于分區(qū)空間中任意的位置。浮動質(zhì)心法神經(jīng)網(wǎng)絡(luò)的提出有效的解決了固定質(zhì)心的問題。在這種方法中,代表每個類別的質(zhì)心是根據(jù)數(shù)據(jù)的分布自動產(chǎn)生的。盡管浮動質(zhì)心法有效地提升了神經(jīng)網(wǎng)絡(luò)分類器的表現(xiàn),但是硬邊界的問題依然限制著其性能的進一步提升。硬邊界問題是指在訓(xùn)練過程中,分區(qū)空間中的決策邊界被清楚地描述導(dǎo)致即使是噪聲點和邊界點也必須被強制的標(biāo)記為唯一的類別。邊界點和噪聲點的誤分類會導(dǎo)致神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程出現(xiàn)震蕩,并且降低發(fā)現(xiàn)最優(yōu)神經(jīng)網(wǎng)絡(luò)的概率。為解決硬邊界問題,本文嘗試使用模糊理論來幫助浮動質(zhì)心神經(jīng)網(wǎng)絡(luò)產(chǎn)生柔性邊界。本文的主要研究內(nèi)容如下:(1)提出了一種可產(chǎn)生柔性邊界的神經(jīng)網(wǎng)絡(luò)分類器:Fuzzy Floating Centroid Method(FFCM),即模糊浮動質(zhì)心法。該方法糅合了浮動質(zhì)心的概念和模糊策略來產(chǎn)生柔性決策邊界,這增加了在訓(xùn)練過程中發(fā)現(xiàn)最優(yōu)神經(jīng)網(wǎng)絡(luò)的可能性。此外,一種類權(quán)重策略被引入模糊浮動質(zhì)心法中,來幫助其提升在非平衡數(shù)據(jù)問題上的表現(xiàn)。(2)模糊浮動質(zhì)心法被用于估測水泥的抗壓強度等級。由于相同配置的非同一個水泥試件,或同一水泥試件的不同位置會展現(xiàn)出不同一的抗壓強度。因此采集的水泥數(shù)據(jù)會存在大量的噪聲點和邊界點。FFCM對數(shù)據(jù)中噪聲點和邊界點有較高的魯棒性,所以我們將其應(yīng)用到水泥強度等級估測以檢測其有效性。(3)提出一種動態(tài)多層粒子群優(yōu)化算法,Dynamic Multilayer Particle Swarm Optimization(DMLPSO),來優(yōu)化浮動質(zhì)心法神經(jīng)網(wǎng)絡(luò)分類器。神經(jīng)網(wǎng)絡(luò)的優(yōu)化可以被視為一個多峰優(yōu)化問題,DMLPSO使用動態(tài)重組策略和多層搜索策略來獲得優(yōu)異的搜索多峰問題的解空間的能力,以DMLPSO作為優(yōu)化方法用來獲得符合期望的神經(jīng)網(wǎng)絡(luò)。
【圖文】：

圖 2.1 神經(jīng)網(wǎng)絡(luò)分類過程（概率解釋） )是含有 n 個樣本的數(shù)據(jù)集，其中 = ( 個樣本。圖 2.1 從概率論的角度展示了一個三層感知 = 表示輸入層神經(jīng)元與隱藏層示輸入層第 i 個神經(jīng)元與隱藏層第 d 個神經(jīng)元之間 表示隱藏層神經(jīng)元與輸出層神經(jīng)元之間的連接元與輸出層第 c 個神經(jīng)元之間的連接權(quán)重； H =

其中 表示第i個隱層神經(jīng)元的偏置；O = 表示輸出層神經(jīng)元的偏置，其中 boi表示第 i 個輸出層神經(jīng)元的偏置。另, (π)為神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，在分類過程中，數(shù)據(jù)集 X 被輸入到神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)輸出層輸出數(shù)據(jù)集 X 中每個樣本屬于各個類別的概率，該過程被表述在公式 (2.1)中：P = ( π ( π ′) ′)= = (2.1)其中 ′= | ¤ ¨( ) ′= | ¤ ¨( ) 另， = ( ) 表示樣本集 X 中第 n 個樣本屬于 c 個類別的可能性，，通常最高概率對應(yīng)的類別被認為是樣本所屬的類別。
【學(xué)位授予單位】：濟南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 毛玲,孫即祥,季虎;基于交叉熵和新轉(zhuǎn)移函數(shù)的模糊神經(jīng)網(wǎng)絡(luò)分類器[J];國防科技大學(xué)學(xué)報;2004年05期

2 呂鐵軍,肖先賜;基于快速組合神經(jīng)網(wǎng)絡(luò)分類器的數(shù)字調(diào)制識別新方法[J];信號處理;2001年01期

3 李斌;手寫字母識別中的多級神經(jīng)網(wǎng)絡(luò)分類器[J];管理科學(xué)文摘;1997年06期

4 岳丹丹;;基于多神經(jīng)網(wǎng)絡(luò)分類器的目標(biāo)識別[J];艦船科學(xué)技術(shù);2015年04期

5 周而重;逄玉俊;;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化設(shè)計[J];沈陽大學(xué)學(xué)報;2006年05期

6 任紅格;李冬梅;李福進;;動態(tài)神經(jīng)網(wǎng)絡(luò)分類器主動學(xué)習(xí)算法及其智能控制應(yīng)用[J];計算機應(yīng)用與軟件;2016年07期

7 李鐵鷹,崔艷;一種基于粗糙集理論的神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計[J];計算機工程與應(yīng)用;2005年32期

8 張鴻賓;一種基子距離的神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計方法[J];計算機應(yīng)用與軟件;1992年06期

9 胡靜;高雋;楊靜;;模糊神經(jīng)網(wǎng)絡(luò)分類器的主動學(xué)習(xí)方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2008年03期

10 顏華，胡謀;基于模糊識別的神經(jīng)網(wǎng)絡(luò)分類器[J];上海鐵道大學(xué)學(xué)報;1996年02期

相關(guān)會議論文 前5條

1 李孟歆;吳成東;;基于響應(yīng)面法的神經(jīng)網(wǎng)絡(luò)分類器的參數(shù)優(yōu)化[A];第二十屆中國控制會議論文集（下）[C];2001年

2 楊恒;張賢達;;模糊神經(jīng)網(wǎng)分類器[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

3 劉皓挺;姜國華;王麗;;一種BPNN分類器的設(shè)計及應(yīng)用[A];人-機-環(huán)境系統(tǒng)工程研究進展（第七卷）[C];2005年

4 胡繼明;雷俊鋒;江虹;曾立波;童華;張澤蘭;劉均堂;;電子和金相顯微分析系統(tǒng)中新分析技術(shù)的開發(fā)及應(yīng)用[A];中國分析測試協(xié)會科學(xué)技術(shù)獎發(fā)展回顧[C];2015年

5 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 聞輝;核自適應(yīng)學(xué)習(xí)的RBF混合結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)分類器研究[D];深圳大學(xué);2018年

2 胡靜;機器學(xué)習(xí)及其神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化設(shè)計[D];合肥工業(yè)大學(xué);2007年

3 雷景生;神經(jīng)網(wǎng)絡(luò)的分類、聚類功能及其規(guī)則抽取研究[D];新疆大學(xué);2003年

4 高鵬毅;BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D];華中科技大學(xué);2012年

5 楊發(fā)權(quán);無線通信信號調(diào)制識別關(guān)鍵技術(shù)與理論研究[D];西安電子科技大學(xué);2015年

6 劉澍;基于改進蟻群算法與神經(jīng)網(wǎng)絡(luò)的調(diào)制識別研究[D];華中科技大學(xué);2009年

7 王琳;基于計算智能的水泥水化過程建模方法與關(guān)鍵技術(shù)研究[D];山東大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 許歡慶;基于姿態(tài)信息的寫字機器人研究與設(shè)計[D];云南大學(xué);2018年

2 劉雙榮;基于柔性邊界的神經(jīng)網(wǎng)絡(luò)分類器研究及應(yīng)用[D];濟南大學(xué);2019年

3 朱雪慧;閉曲面最近鄰分區(qū)神經(jīng)網(wǎng)絡(luò)分類器的研究與應(yīng)用[D];濟南大學(xué);2019年

4 俞博;基于改進粒子群算法的神經(jīng)網(wǎng)絡(luò)分類器研究[D];哈爾濱工程大學(xué);2018年

5 彭敏;基于多級神經(jīng)網(wǎng)絡(luò)分類器的手寫數(shù)字識別[D];沈陽工業(yè)大學(xué);2014年

6 李鑫;基于神經(jīng)網(wǎng)絡(luò)分類器的漢字識別系統(tǒng)研究[D];遼寧工程技術(shù)大學(xué);2005年

7 鐘淑瑛;基于入侵檢測的神經(jīng)網(wǎng)絡(luò)分類器組合問題及PCA技術(shù)研究[D];廣西大學(xué);2005年

8 呂秋霞;核logistic神經(jīng)網(wǎng)絡(luò)分類器及在血液透析診斷中的應(yīng)用[D];大連理工大學(xué);2017年

9 蔡鋒;離線手寫簽名識別技術(shù)研究[D];上海交通大學(xué);2007年

10 張曉倩;面向水泥及其基材料分類的神經(jīng)網(wǎng)絡(luò)方法與改進研究[D];濟南大學(xué);2015年

本文編號：2631158