近年來(lái),人工智能技術(shù)在人類(lèi)生活中的各個(gè)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(lèi)、聚類(lèi)以及回歸等眾多知識(shí)任務(wù)中都取得了突破性進(jìn)展。其中,分類(lèi)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(yǔ)義解析、圖像識(shí)別、文本分類(lèi)以及輔助醫(yī)學(xué)診斷等實(shí)際應(yīng)用場(chǎng)合。Takagi-Sugeno-Kang(TSK)作為人工智能的一個(gè)重要研究分支已被應(yīng)用到多個(gè)領(lǐng)域,怎樣提高它的分類(lèi)性能和增強(qiáng)可解釋性仍然是一個(gè)十分具有挑戰(zhàn)性的工作。然而在面對(duì)新興的應(yīng)用場(chǎng)景時(shí),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(lèi)器的分類(lèi)性能和強(qiáng)的可解釋性,同時(shí)還要適用于大樣本分類(lèi);(2)在保證整個(gè)分類(lèi)器分類(lèi)性能的前提下,提高各個(gè)訓(xùn)練塊的泛化能力;(3)如何增強(qiáng)模糊分類(lèi)器的避免過(guò)擬合能力;(4)如何解決現(xiàn)有層次模糊分類(lèi)器在解釋中間層輸出和模糊規(guī)則方面存在的不足問(wèn)題。為了解決傳統(tǒng)分類(lèi)器在處理上述應(yīng)用場(chǎng)景中所面臨的問(wèn)題,本論文主要從分類(lèi)角度對(duì)經(jīng)典的模糊分類(lèi)器進(jìn)行改進(jìn),以期得到令人滿(mǎn)意的分類(lèi)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(lèi)問(wèn)題。為了進(jìn)一步增強(qiáng)層次模糊分類(lèi)器的分類(lèi)性...

【文章頁(yè)數(shù)】：109 頁(yè)

【學(xué)位級(jí)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(lèi)介紹
        1.1.2 TSK模糊分類(lèi)介紹
        1.1.3 深度學(xué)習(xí)和層次TSK模糊分類(lèi)系統(tǒng)介紹
    1.2 傳統(tǒng)結(jié)構(gòu)模糊分類(lèi)方法
        1.2.1 傳統(tǒng)結(jié)構(gòu)模糊分類(lèi)方法面臨的挑戰(zhàn)
        1.2.2 傳統(tǒng)模糊分類(lèi)方法
    1.3 層次結(jié)構(gòu)模糊分類(lèi)方法的幾點(diǎn)思考
    1.4 課題研究?jī)?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(lèi)方法
    2.1 引言
    2.2 基本知識(shí)回顧
    2.3 深度/多層次TSK模糊分類(lèi)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(cè)試算法)
        2.3.3 算法時(shí)間復(fù)雜性分析
    2.4 實(shí)驗(yàn)
        2.4.1 二分類(lèi)數(shù)據(jù)集
        2.4.2 多分類(lèi)數(shù)據(jù)集
        2.4.3 真實(shí)數(shù)據(jù)集the Electricity Pricing上的分類(lèi)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(lèi)方法
    3.1 引言
    3.2 相關(guān)知識(shí)概述
    3.3 深度/多層次TSK模糊分類(lèi)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(shí)間復(fù)雜度
    3.4 實(shí)驗(yàn)研究
        3.4.1 二分類(lèi)數(shù)據(jù)集上性能分析
        3.4.2 多分類(lèi)數(shù)據(jù)集上性能分析
        3.4.3 非參數(shù)統(tǒng)計(jì)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(lèi)方法
    4.1 引言
    4.2 相關(guān)知識(shí)回顧
    4.3 棧式分塊組合模糊分類(lèi)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(shí)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(lèi)數(shù)據(jù)集
        4.4.3 關(guān)于多類(lèi)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(guò)擬合的層次模糊分類(lèi)方法
    5.1 引言
    5.2 相關(guān)工作
        5.2.1 相關(guān)知識(shí)回顧
        5.2.2 受限的Boltzmann機(jī)簡(jiǎn)述
    5.3 層次TSK模糊分類(lèi)器R-TSK-FC
        5.3.1 R-TSK-FC的結(jié)構(gòu)
        5.3.2 增強(qiáng)避免過(guò)擬合性能
        5.3.3 關(guān)于R-TSK-FC的學(xué)習(xí)算法
        5.3.4 時(shí)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(lèi)和多分類(lèi)數(shù)據(jù)集的討論
        5.4.3 非參數(shù)統(tǒng)計(jì)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(yǔ)
致謝
參考文獻(xiàn)
附錄
    附錄1 :攻讀博士學(xué)位期間撰寫(xiě)的相關(guān)論文



本文編號(hào)：3754983