基于信息融合的模糊粗糙學習算法研究
發(fā)布時間:2022-02-16 14:31
信息融合是指將單個或多個信息源所獲取的數(shù)據(jù)和信息進行關(guān)聯(lián)、相關(guān)和綜合,對態(tài)勢和威脅及其重要程度進行全面、及時評估的信息處理過程。將信息融合的思想與模糊粗糙集理論結(jié)合,即利用模糊粗糙集將事物或?qū)ο蟮亩嘣葱畔⑦M行有效的融合,可以得到更加全面、綜合的決策。本文基于信息融合分別構(gòu)造了模糊粗糙屬性約簡算法和分類模型。1.基于信息融合的模糊粗糙屬性約簡,其在利用模糊粗糙集模型進行決策時,通常采用最大隸屬度原則。經(jīng)典模糊粗糙集決策模型在計算模糊下近似時通常取均值,忽略了每個屬性在信息融合中重要性的差異。為了解決這個問題,首先分別對每一個屬性計算單一屬性決策下近似,然后引入了融合決策的概念,并通過最優(yōu)化理論以及相應(yīng)的算法求解出單一屬性的決策近似的權(quán)重,即融合系數(shù)。將決策下近似組合得到多屬性融合下的模糊粗糙下近似矩陣,最后再根據(jù)最大隸屬度原則進行多屬性融合下的決策。同時,根據(jù)計算出的融合系數(shù),構(gòu)造了基于信息融合的模糊粗糙屬性約簡算法。2.信息融合下的分類模型,是在信息融合的模糊粗糙決策模型的基礎(chǔ)上,將決策類的差異也考慮在內(nèi)進行信息融合。與上一章的決策過程基本一致,但由于考慮到?jīng)Q策類的不同,相關(guān)的概念及性...
【文章來源】:渤海大學遼寧省
【文章頁數(shù)】:57 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 引言
1.2 模糊粗糙集的研究概況
1.3 模糊粗糙學習方法概述
1.3.1 屬性約簡概述
1.3.2 分類器概述
1.4 本文的主要工作
2 基礎(chǔ)知識
2.1 經(jīng)典粗糙集的基本概念
2.2 模糊粗糙集的基本概念
3 基于信息融合的模糊粗糙屬性約簡
3.1 經(jīng)典模糊粗糙集決策模型
3.2 信息融合的模糊粗糙決策模型
3.2.1 多屬性融合下的模糊粗糙近似
3.2.2 融合決策權(quán)重的確定
3.2.3 融合系數(shù)優(yōu)化模型的矩陣表示
3.2.3.1 優(yōu)化模型構(gòu)造說明
3.2.3.2 優(yōu)化模型的矩陣表示
3.3 屬性約簡
3.4 實驗分析
3.5 本章總結(jié)
4 基于信息融合的模糊粗糙分類
4.1 信息融合下的分類模型
4.1.1 信息融合的模糊粗糙決策模型
4.1.2 融合決策權(quán)重的確定
4.1.3 融合系數(shù)優(yōu)化模型的構(gòu)造說明
4.1.3.1 拉格朗日乘數(shù)法
4.1.3.2 二次規(guī)劃法
4.2 實驗分析
4.3 本章總結(jié)
總結(jié)與展望
參考文獻
發(fā)表論文情況
致謝
【參考文獻】:
期刊論文
[1]隨機模糊粗糙分類方法[J]. 王長寶,楊習貝,王平心,竇慧莉,陳向堅. 計算機工程與設(shè)計. 2017(10)
[2]基于模糊集理論的信息關(guān)聯(lián)模式識別算法應(yīng)用[J]. 陜振沛,寧寶權(quán),張轉(zhuǎn)周. 江蘇科技大學學報(自然科學版). 2017(01)
[3]基于改進分辨矩陣的屬性約簡方法[J]. 黃治國,楊曉驥. 計算機仿真. 2014(09)
[4]自適應(yīng)模糊決策樹算法[J]. 孫娟,王熙照. 計算機工程與設(shè)計. 2013(02)
[5]信息融合理論的基本方法與進展(Ⅱ)[J]. 潘泉,王增福,梁彥,楊峰,劉準釓. 控制理論與應(yīng)用. 2012(10)
[6]MATLAB在最優(yōu)化模型求解中的應(yīng)用[J]. 石磊. 赤峰學院學報(自然科學版). 2012(08)
[7]農(nóng)業(yè)機器人多傳感器信息融合技術(shù)的研究進展[J]. 關(guān)宇,楊曉京,姜濤. 安徽農(nóng)業(yè)科學. 2010(25)
[8]基于模糊神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)研究[J]. 楊芳勛,黃席樾,李建科. 自動化與儀器儀表. 2009(02)
[9]決策樹的經(jīng)典算法:ID3與C4.5[J]. 黃文. 四川文理學院學報. 2007(05)
[10]決策樹算法的研究與改進[J]. 馮少榮. 廈門大學學報(自然科學版). 2007(04)
碩士論文
[1]數(shù)據(jù)分布引導的模糊粗糙近鄰分類算法[D]. 費軼楠.大連海事大學 2015
[2]基于信息融合技術(shù)的航空發(fā)動機故障診斷[D]. 趙鵬.西北工業(yè)大學 2007
本文編號:3628135
【文章來源】:渤海大學遼寧省
【文章頁數(shù)】:57 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
1 緒論
1.1 引言
1.2 模糊粗糙集的研究概況
1.3 模糊粗糙學習方法概述
1.3.1 屬性約簡概述
1.3.2 分類器概述
1.4 本文的主要工作
2 基礎(chǔ)知識
2.1 經(jīng)典粗糙集的基本概念
2.2 模糊粗糙集的基本概念
3 基于信息融合的模糊粗糙屬性約簡
3.1 經(jīng)典模糊粗糙集決策模型
3.2 信息融合的模糊粗糙決策模型
3.2.1 多屬性融合下的模糊粗糙近似
3.2.2 融合決策權(quán)重的確定
3.2.3 融合系數(shù)優(yōu)化模型的矩陣表示
3.2.3.1 優(yōu)化模型構(gòu)造說明
3.2.3.2 優(yōu)化模型的矩陣表示
3.3 屬性約簡
3.4 實驗分析
3.5 本章總結(jié)
4 基于信息融合的模糊粗糙分類
4.1 信息融合下的分類模型
4.1.1 信息融合的模糊粗糙決策模型
4.1.2 融合決策權(quán)重的確定
4.1.3 融合系數(shù)優(yōu)化模型的構(gòu)造說明
4.1.3.1 拉格朗日乘數(shù)法
4.1.3.2 二次規(guī)劃法
4.2 實驗分析
4.3 本章總結(jié)
總結(jié)與展望
參考文獻
發(fā)表論文情況
致謝
【參考文獻】:
期刊論文
[1]隨機模糊粗糙分類方法[J]. 王長寶,楊習貝,王平心,竇慧莉,陳向堅. 計算機工程與設(shè)計. 2017(10)
[2]基于模糊集理論的信息關(guān)聯(lián)模式識別算法應(yīng)用[J]. 陜振沛,寧寶權(quán),張轉(zhuǎn)周. 江蘇科技大學學報(自然科學版). 2017(01)
[3]基于改進分辨矩陣的屬性約簡方法[J]. 黃治國,楊曉驥. 計算機仿真. 2014(09)
[4]自適應(yīng)模糊決策樹算法[J]. 孫娟,王熙照. 計算機工程與設(shè)計. 2013(02)
[5]信息融合理論的基本方法與進展(Ⅱ)[J]. 潘泉,王增福,梁彥,楊峰,劉準釓. 控制理論與應(yīng)用. 2012(10)
[6]MATLAB在最優(yōu)化模型求解中的應(yīng)用[J]. 石磊. 赤峰學院學報(自然科學版). 2012(08)
[7]農(nóng)業(yè)機器人多傳感器信息融合技術(shù)的研究進展[J]. 關(guān)宇,楊曉京,姜濤. 安徽農(nóng)業(yè)科學. 2010(25)
[8]基于模糊神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)研究[J]. 楊芳勛,黃席樾,李建科. 自動化與儀器儀表. 2009(02)
[9]決策樹的經(jīng)典算法:ID3與C4.5[J]. 黃文. 四川文理學院學報. 2007(05)
[10]決策樹算法的研究與改進[J]. 馮少榮. 廈門大學學報(自然科學版). 2007(04)
碩士論文
[1]數(shù)據(jù)分布引導的模糊粗糙近鄰分類算法[D]. 費軼楠.大連海事大學 2015
[2]基于信息融合技術(shù)的航空發(fā)動機故障診斷[D]. 趙鵬.西北工業(yè)大學 2007
本文編號:3628135
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3628135.html
最近更新
教材專著