基于支持向量機(jī)的模糊規(guī)則提取算法的研究

基于支持向量機(jī)的模糊規(guī)則提取算法的研究

ID:33949904

大?。?.16 MB

頁(yè)數(shù):72頁(yè)

時(shí)間:2019-03-02

基于支持向量機(jī)的模糊規(guī)則提取算法的研究_第1頁(yè)
基于支持向量機(jī)的模糊規(guī)則提取算法的研究_第2頁(yè)
基于支持向量機(jī)的模糊規(guī)則提取算法的研究_第3頁(yè)
基于支持向量機(jī)的模糊規(guī)則提取算法的研究_第4頁(yè)
基于支持向量機(jī)的模糊規(guī)則提取算法的研究_第5頁(yè)
資源描述:

《基于支持向量機(jī)的模糊規(guī)則提取算法的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)

1、中國(guó)科學(xué)技術(shù)大學(xué)碩士學(xué)位論文摘要本文圍繞專家系統(tǒng)知識(shí)獲取、知識(shí)獲取方法的集成和模糊規(guī)則庫(kù)管理和推理,研究了基于支持向量機(jī)(SupportVectorMachine,sVM)的模糊規(guī)則自動(dòng)獲取方法,并結(jié)合軟件組件模型、XML、軟件體系結(jié)構(gòu)等理論和方法,實(shí)現(xiàn)了基予組件的模糊推理系統(tǒng)。支持向量機(jī)是上世紀(jì)九十年代提出的一種基于小樣本的新的統(tǒng)計(jì)學(xué)習(xí)方法。本論文通過(guò)引入基于SvM的多類分類方法來(lái)解決從數(shù)據(jù)庫(kù)中提取特征樣本的問(wèn)題,并證明了SVM與模糊規(guī)則模型在分類問(wèn)題上的相似性,從而為本文提出的模糊規(guī)則自動(dòng)獲取方法奠定了堅(jiān)實(shí)的

2、理論基礎(chǔ)。模糊分類是模糊集合理論的一個(gè)重要應(yīng)用。模糊分類規(guī)則被廣泛認(rèn)為是分類知識(shí)較好的表示,與人類表達(dá)的知識(shí)類似,具有可讀性和解釋性。模糊分類在圖像處理、文字識(shí)別、語(yǔ)音識(shí)別、文本分類、遙感、氣象及工業(yè)自動(dòng)化控制等許多領(lǐng)域得到廣泛應(yīng)用。模糊劃分和模糊分類規(guī)則的自動(dòng)產(chǎn)生,分類規(guī)則的表達(dá)式,分類規(guī)則的調(diào)整及分類識(shí)別率的提高是模糊分類模型研究的關(guān)鍵問(wèn)題。論文中,提出了模糊集合劃分密度的確定方法,介紹了模糊規(guī)則提取算法和模糊規(guī)則集合調(diào)整方法,對(duì)專家系統(tǒng)與模糊分類方法相結(jié)合也進(jìn)行了介紹。本文通過(guò)正交實(shí)驗(yàn)對(duì)模糊施肥預(yù)測(cè)系統(tǒng)進(jìn)行

3、檢測(cè),并將實(shí)驗(yàn)結(jié)果與常用的回歸方法、神經(jīng)網(wǎng)絡(luò)和遺傳規(guī)劃進(jìn)行了對(duì)比,從對(duì)比結(jié)果證明了,本文提出的模糊規(guī)則自動(dòng)獲取方法與正交實(shí)驗(yàn)樣本相結(jié)合的模糊施肥預(yù)測(cè)系統(tǒng)無(wú)論在準(zhǔn)確度,知識(shí)獲取速度,還是在規(guī)則可解釋性上均優(yōu)于上述三種對(duì)比實(shí)驗(yàn)方法。關(guān)鍵字:知識(shí)獲取,支持向量機(jī),模糊規(guī)則,規(guī)則提取,模糊推理,正交實(shí)驗(yàn)中國(guó)科學(xué)技術(shù)大學(xué)碩士學(xué)位論文AbstractFocusOntheexpertsystemknowledgeacquisitionandintegration,themanagementoffuzzyrulesbaseand

4、reasoningmechanism,weproposedthewaytOextractfuzzyrulesautomaticallybasedonsupportvectormachine.Withthesoftwarecomponentmodel,XML。softwarearchitecturetheory,theimplementationofcomponent—basedfuzzyinferencesystemhascometrue.Supportvectormachine,whichiSproposedi

5、ntheIastcentury1990s,basedonthestatisticallearningmethodforfewsamples.Inthisthesis.itextractsfeaturesamplesfromthedatabasethroughtheSVM,whichiSbasedonthemulti.categoryclassification,andprovesthesimii撕塒ofSVMandfuzzyrulesmodelontheclassification,whichmakesasoli

6、dfoundationintheoryforthefuzzyrulesautOmaticallyacquisitionmethod.Fuzzyclassificationisallimportantapplicationforfuzzysettheory.Fuzzyrulesarewidelyconsideredtobebettertoknowledge。whichissimilartoknowledgeofhumanexpression.Fuzzyclassificationiswidelyappliedini

7、mageprocessing,characterrecognition,speechrecognition,textclassification,remotesensing,meteorologyandindustdalautomationandSOon.Fuzzypartition.fuzzyclassificationrulesextraction,theexpressionofclassificationrules,classificationrulesadjustmentandtherateofrecog

8、nitionoftheimprovementarethekeyissuesoffuzzyclassificationmodel.Inthethesis.weintroducefuzzysetpartitioningmethodtodeterminethedensity,theextractionalgorithmandtheadjustmentoffuzzyroles.T

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。