數(shù)據(jù)分類(lèi)是機(jī)器學(xué)習(xí)中最基礎(chǔ)的任務(wù)之一。隨著現(xiàn)代化計(jì)算機(jī)技術(shù)逐步覆蓋材料信息、工業(yè)系統(tǒng)等眾多領(lǐng)域,數(shù)據(jù)的采集獲取已成為現(xiàn)實(shí)。通過(guò)對(duì)獲取到的數(shù)據(jù)進(jìn)行分類(lèi),可以揭示出研究對(duì)象潛在的、本質(zhì)的分布結(jié)構(gòu)。然而由于實(shí)際工程及自然環(huán)境的復(fù)雜性,所獲取到的數(shù)據(jù)往往具有不確定性、多特征性和不完備性等特點(diǎn),具體表現(xiàn)在數(shù)據(jù)在特征空間分割不明確、多維特征、已標(biāo)號(hào)樣本量不足這三個(gè)方面,給數(shù)據(jù)分類(lèi)工作造成困難。傳統(tǒng)的數(shù)據(jù)分類(lèi)方法往往出現(xiàn)分類(lèi)準(zhǔn)確性差甚至失效的情況。置信函數(shù)理論因其具有完備的不確定性表征能力和多源不確定信息融合能力,為此類(lèi)復(fù)雜數(shù)據(jù)的分類(lèi)問(wèn)題提供了可行的數(shù)學(xué)框架。因此,本文在置信函數(shù)理論框架下,圍繞數(shù)據(jù)分類(lèi)問(wèn)題,開(kāi)展了以下研究:(1)針對(duì)多特征數(shù)據(jù)的數(shù)據(jù)分類(lèi)問(wèn)題,考慮到不同特征往往具有不同的重要性,在置信函數(shù)理論框架下,本文提出了一種基于加權(quán)特征證據(jù)融合的監(jiān)督型分類(lèi)模型。首先,該模型將不同特征視為支持樣本類(lèi)別歸屬問(wèn)題的多源證據(jù),并利用核密度估計(jì)方法來(lái)量化證據(jù)信息。其次,引入證據(jù)權(quán)重,并利用Pignistic概率轉(zhuǎn)換設(shè)計(jì)了最小化訓(xùn)練集樣本分類(lèi)誤差的優(yōu)化目標(biāo)來(lái)自學(xué)習(xí)該權(quán)重參數(shù)。最后,通過(guò)加權(quán)融合多個(gè)特征證據(jù)...

【文章頁(yè)數(shù)】：133 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
符號(hào)和縮寫(xiě)清單
1 引言
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 置信函數(shù)理論研究現(xiàn)狀
        1.2.2 監(jiān)督型證據(jù)分類(lèi)算法研究綜述
        1.2.3 半監(jiān)督證據(jù)分類(lèi)算法研究綜述
        1.2.4 證據(jù)聚類(lèi)算法研究綜述
    1.3 本文主要?jiǎng)?chuàng)新點(diǎn)
    1.4 本文組織結(jié)構(gòu)
2 論文相關(guān)理論與技術(shù)
    2.1 置信函數(shù)理論
        2.1.1 證據(jù)的表示
        2.1.2 證據(jù)的折扣
        2.1.3 證據(jù)的組合
        2.1.4 證據(jù)的決策
    2.2 數(shù)據(jù)分類(lèi)
3 基于加權(quán)特征證據(jù)融合的監(jiān)督型分類(lèi)模型
    3.1 問(wèn)題提出
    3.2 模型建立
        3.2.1 核密度估計(jì)
        3.2.2 特征證據(jù)構(gòu)建
        3.2.3 加權(quán)特征證據(jù)融合
    3.3 示例實(shí)驗(yàn)
    3.4 公共數(shù)據(jù)集對(duì)比實(shí)驗(yàn)
    3.5 腐蝕工程應(yīng)用實(shí)驗(yàn)
        3.5.1 腐蝕實(shí)驗(yàn)設(shè)置
        3.5.2 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
4
    4.2
        4.2.2 軟證據(jù)標(biāo)簽傳播
    4.3 示例實(shí)驗(yàn)
    4.4 公共數(shù)據(jù)集對(duì)比實(shí)驗(yàn)
        4.4.1 多特征數(shù)據(jù)集
        4.4.2 圖結(jié)構(gòu)數(shù)據(jù)集
    4.5 參數(shù)魯棒性實(shí)驗(yàn)
    4.6 腐蝕工程應(yīng)用實(shí)驗(yàn)
        4.6.1 腐蝕數(shù)據(jù)收集
        4.6.2 實(shí)驗(yàn)結(jié)果分析
    4.7 本章小結(jié)
5 基于信度峰的軟標(biāo)簽傳播聚類(lèi)模型
    5.1 問(wèn)題提出
    5.2 模型建立
        5.2.1 信度測(cè)度
        5.2.2 改進(jìn)的信度測(cè)度
        5.2.3 線性軟標(biāo)簽傳播機(jī)制
    5.3 示例實(shí)驗(yàn)
        5.3.1 示例實(shí)驗(yàn)一
        5.3.2 示例實(shí)驗(yàn)二
    5.4 公共數(shù)據(jù)集對(duì)比實(shí)驗(yàn)
        5.4.1 密度峰聚類(lèi)算法對(duì)比
        5.4.2 證據(jù)聚類(lèi)算法對(duì)比
    5.5 參數(shù)魯棒性實(shí)驗(yàn)
    5.6 腐蝕工程應(yīng)用實(shí)驗(yàn)
        5.6.1 腐蝕實(shí)驗(yàn)設(shè)置
        5.6.2 實(shí)驗(yàn)結(jié)果分析
    5.7 本章小結(jié)
6 總結(jié)與展望
    6.1 研究?jī)?nèi)容總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及在學(xué)研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3820741