近年來,人工智能技術(shù)在人類生活中的各個領(lǐng)域都得到了廣泛地應(yīng)用。特別是機(jī)器學(xué)習(xí)技術(shù)在分類、聚類以及回歸等眾多知識任務(wù)中都取得了突破性進(jìn)展。其中,分類是目前機(jī)器學(xué)習(xí)中重要的研究方向之一,它廣泛應(yīng)用于語義解析、圖像識別、文本分類以及輔助醫(yī)學(xué)診斷等實(shí)際應(yīng)用場合。Takagi-Sugeno-Kang(TSK)作為人工智能的一個重要研究分支已被應(yīng)用到多個領(lǐng)域,怎樣提高它的分類性能和增強(qiáng)可解釋性仍然是一個十分具有挑戰(zhàn)性的工作。然而在面對新興的應(yīng)用場景時,通常面臨以下挑戰(zhàn):(1)僅隨機(jī)提取原樣本中的部分特征,如何保持分類器的分類性能和強(qiáng)的可解釋性,同時還要適用于大樣本分類;(2)在保證整個分類器分類性能的前提下,提高各個訓(xùn)練塊的泛化能力;(3)如何增強(qiáng)模糊分類器的避免過擬合能力;(4)如何解決現(xiàn)有層次模糊分類器在解釋中間層輸出和模糊規(guī)則方面存在的不足問題。為了解決傳統(tǒng)分類器在處理上述應(yīng)用場景中所面臨的問題,本論文主要從分類角度對經(jīng)典的模糊分類器進(jìn)行改進(jìn),以期得到令人滿意的分類效果。具體工作如下:(1)第一部分為第二章節(jié),主要探討了基于局部特征信息的層次模糊分類問題。為了進(jìn)一步增強(qiáng)層次模糊分類器的分類性...

【文章頁數(shù)】：109 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 模糊分類介紹
        1.1.2 TSK模糊分類介紹
        1.1.3 深度學(xué)習(xí)和層次TSK模糊分類系統(tǒng)介紹
    1.2 傳統(tǒng)結(jié)構(gòu)模糊分類方法
        1.2.1 傳統(tǒng)結(jié)構(gòu)模糊分類方法面臨的挑戰(zhàn)
        1.2.2 傳統(tǒng)模糊分類方法
    1.3 層次結(jié)構(gòu)模糊分類方法的幾點(diǎn)思考
    1.4 課題研究內(nèi)容和本文結(jié)構(gòu)
第二章 基于局部特征信息的層次模糊分類方法
    2.1 引言
    2.2 基本知識回顧
    2.3 深度/多層次TSK模糊分類器D-TSK-FC
        2.3.1 深度/多層次的訓(xùn)練結(jié)構(gòu)
        2.3.2 深度/多層次學(xué)習(xí)算法(訓(xùn)練/測試算法)
        2.3.3 算法時間復(fù)雜性分析
    2.4 實(shí)驗(yàn)
        2.4.1 二分類數(shù)據(jù)集
        2.4.2 多分類數(shù)據(jù)集
        2.4.3 真實(shí)數(shù)據(jù)集the Electricity Pricing上的分類性能分析
    2.5 本章小結(jié)
第三章 基于優(yōu)化訓(xùn)練特征的層次模糊分類方法
    3.1 引言
    3.2 相關(guān)知識概述
    3.3 深度/多層次TSK模糊分類器SHFA-TSK-FC
        3.3.1 SHFA-TSK-FC訓(xùn)練結(jié)構(gòu)
        3.3.2 SHFA-TSK-FC學(xué)習(xí)算法
        3.3.3 時間復(fù)雜度
    3.4 實(shí)驗(yàn)研究
        3.4.1 二分類數(shù)據(jù)集上性能分析
        3.4.2 多分類數(shù)據(jù)集上性能分析
        3.4.3 非參數(shù)統(tǒng)計分析
        3.4.4 關(guān)于真實(shí)數(shù)據(jù)集Electricity Pricing
    3.5 本章小結(jié)
第四章 基于訓(xùn)練塊內(nèi)集成組合的層次模糊分類方法
    4.1 引言
    4.2 相關(guān)知識回顧
    4.3 棧式分塊組合模糊分類器IBC-TSK-FC
        4.3.1 IBC-TSK-FC基訓(xùn)練塊
        4.3.2 基訓(xùn)練塊內(nèi)的負(fù)相關(guān)學(xué)習(xí)策略
        4.3.3 基于棧式結(jié)構(gòu)Blockwise組合學(xué)習(xí)
        4.3.4 時間復(fù)雜度
    4.4 實(shí)驗(yàn)和結(jié)論
        4.4.1 實(shí)驗(yàn)組織
        4.4.2 關(guān)于二分類數(shù)據(jù)集
        4.4.3 關(guān)于多類數(shù)據(jù)集
        4.4.4 關(guān)于可解釋性
        4.4.5 真實(shí)案例:the Bank-Marketing數(shù)據(jù)集
    4.5 本章小結(jié)
第五章 基于RBM且避免過擬合的層次模糊分類方法
    5.1 引言
    5.2 相關(guān)工作
        5.2.1 相關(guān)知識回顧
        5.2.2 受限的Boltzmann機(jī)簡述
    5.3 層次TSK模糊分類器R-TSK-FC
        5.3.1 R-TSK-FC的結(jié)構(gòu)
        5.3.2 增強(qiáng)避免過擬合性能
        5.3.3 關(guān)于R-TSK-FC的學(xué)習(xí)算法
        5.3.4 時間復(fù)雜性
    5.4 實(shí)驗(yàn)和結(jié)果
        5.4.1 實(shí)驗(yàn)組織
        5.4.2 關(guān)于二分類和多分類數(shù)據(jù)集的討論
        5.4.3 非參數(shù)統(tǒng)計分析
        5.4.4 關(guān)于現(xiàn)實(shí)世界的案例:Electricity Pricing數(shù)據(jù)集
    5.5 本章小結(jié)
第六章 結(jié)束語
致謝
參考文獻(xiàn)
附錄
    附錄1 :攻讀博士學(xué)位期間撰寫的相關(guān)論文



本文編號：3754983