词条 | 模糊分类模型及其集成方法 |
释义 | 本书共分8章,第1章是绪论,介绍了模糊分类研究的背景、目的、相关研究以及主要内容;第2章主要介绍模糊分类、核函数方法及支持向量机等相关知识;第3章是基于模糊核超球感知器的模糊分类模型的介绍;第4章介绍了基于进化式核聚类的模糊分类模型;第5章描述了基于支持向量机的模糊分类模型;第6章介绍了基于模糊积分的多分类器集成方法;第7章描述了基于模糊分类方法的网络流量分类研究;最后一章是结论及进一步的工作。 书名:模糊分类模型及其集成方法 作者:阳爱民 原版名称:模糊分类模型及其集成方法 ISBN:9787030237330 类别:数学 定价:29.80 元 出版社:科学出版社 出版时间:2008年 装帧:平装 开本:32 开 内容提要《模糊分类模型及其集成方法》可以作为高等学校计算机专业硕士生和博士生研究模式分类方向的参考书,也可以供从事模式识别、模糊分类及多分类器集成等领域研究的人员参考。 目录1绪论 1.1模糊分类研究的背景 1.2模糊分类研究的目的 1.3模糊分类相关的研究 1.3.1精简模糊规则数量的方法研究 1.3.2模糊分类识别率的提高方法研究 1.4模糊分类研究的内容 2模糊分类、核函数方法及支持向量机 2.1模糊分类 2.1.1模糊IF-THEN分类规则 2.1.2隶属度函数 2.1.3模糊划分 2.1.4基于模糊划分的分类规则产生 2.2核函数 2.3支持向量机理论 2.3.1线性情况 2.3.2非线性情况 3基于模糊核超球感知器的模糊分类模型 3.1核感知器及超球感知器 3.1.1核感知器 3.1.2超球感知器 3.1.3核超球感知器 3.2模糊核感知器 3.2.1模糊感知器 3.2.2模糊核感知器 3.3基于模糊核超球感知器的模糊分类模型 3.3.1模糊核超球感知器 3.3.2基于模糊核超球感知器的模糊分类模型 3.3.3FCMBFKHP模型分类规则的生成 3.4模糊IFTHEN规则的调整 3.4.1调整策略分析 3.4.2调整边界分析 3.4.3规则调整算法 3.5实验结果分析 3.5.1核函数及参数对超球产生的影响实验 3.5.2分类识别率比较实验 4基于进化式核聚类的模糊分类模型 4.1核聚类方法 4.2基于支持向量的聚类 4.3基于进化式核聚类的模糊分类模型 4.3.1FCMBEKC分类模型结构 4.3.2进化式核聚类算法 4.3.3模糊分类规则的创建及分类推理 4.3.4进化式核聚类算法中簇半径阈值的讨论 4.4基于遗传算法的模糊IF-THEN规则的调整 4.4.1基因编码 4.4.2适应度函数 4.4.3增强信息的确定 4.4.4遗传操作 4.5实验结果分析 4.5.1基于Wine数据集的实验 4.5.2基于手写体数字识别数据集实验 5基于支持向量机的模糊分类模型 5.1模糊支持向量机的研究现状 5.1.1第一种模糊支持向量机 5.1.2第二种模糊支持向量 5.2基于支持向量机的模糊分类模型 5.2.1FCMBSVM的基本思想 5.2.2FCMBSVM模型结构 5.2.3隶属函数的选择 5.2.4核函数证明 5.2.5参数ak和b的求解 5.2.6模型几何特性 5.3FCMBSVM模型参数分析 5.3.1惩罚参数C 5.3.2隶属函数参数 5.4基于FCMBSVM模型的多类分类 5.4.1模糊IF-THEN规则表达式 5.4.2参数akm及bm的求解 5.5实验结果分析 5.5.1双螺旋线实验 5.5.2基于Image数据集实验 5.5.3多类分类实验 6基于模糊积分的多分类器集成方法 6.1多分类器集成 6.1.1多分类器集成研究的产生和现状 6.1.2分类器输出信息描述 6.1.3多分类器集成类型 6.1I4基于度量级信息的并联式集成方法 6.2模糊测度及模糊积分理论 6.2.1模糊测度和g模糊测度 6.2.2模糊积分 6.3基于模糊积分的分类器集成方法 6.3.1关于个体分类器生成 6.3.2分类器集的选择 6.3.3基于隶属度矩阵的模糊积分密度的确定 6.3.4多分类器集成方法 6.4实验结果分析 6.5小结 7基于模糊分类方法的网络流量分类 7.1基于机器学习方法的网络流量分类研究 7.1.1网络流量分类 7.1.2网络流量分类研究的意义及现状 7.1.3网络流量分类构建框架 7.2网络流量样本采集及特征产生 7.2.1网络流量采集 7.2.2流及流的候选特征形成 7.2.3流量样本类型自动标志 7.3网络流量特征选择 7.3.1特征选择概述 7.3.2流特征产生方法 7.4基于模糊分类方法的网络流量分类器构建 7.4.1分类器构建 7.4.2分类器性能评测 7.5实验分析 7.5.1特征选择实验 7.5.2分类实验 8结论及进一步的工作 8.1结论 8.2进一步的工作 参考文献 …… 序言分类系统在生活与工程领域一直扮演着相当重要的角色,具有广泛的应用价值,分类系统的设计与应用一直受到重视。模糊分类是模糊集合理论的一个重要应用。模糊分类规则被广泛认为是分类知识较好的表示,与人类表达的知识类似,具有可读性和解释性。模糊分类在图像处理、文字识别、语音识别、文本分类、遥感、气象及工业自动化控制等许多领域得到广泛应用。 本书主要围绕解决模糊划分和模糊分类规则的自动产生,分类规则的表达式,分类规则的调整以及分类识别率的提高等模糊分类研究中的关键问题来进行描述,从核方法、聚类、支持向量机以及分类器集成等不同的角度、方法和技术,探索解决这些关键问题的思路和方法。 本书共分8章,在介绍了模糊分类研究的背景、目的、相关研究以及模糊分类、核函数及支持向量机等相关知识之后。接下来的4章,分别介绍了提出的三种模糊分类模型及一种分类器集成方法。在对基于模糊核超球感知器的分类模型的介绍中,主要介绍模糊核超球感知器学习算法、分类模型的结构、分类规则的表示、隶属函数、分类规则学习算法及实验结果分析。在基于进化式核聚类的模糊分类模型的介绍中,主要介绍了进化式核聚类算法、分类模型的结构、模糊分类规则、隶属函数、规则学习算法及实验结果分析。在基于支持向量机的模糊分类模型的介绍中,主要介绍了分类模型的基本思想、模型的分类规则表达式及分类规则选择准则。对基于模糊积分的分类器集成方法的介绍中,主要介绍了分类器集的选择方法、模糊积分密度的确定方法以及分类器集成的算法。 文摘1 绪论 分类系统在生活与工程领域一直扮演着相当重要的角色,语音识别、手写辨识、身份辨识等都是分类系统探讨的范围。正因为具有如此广泛的应用价值,所以分类系统的设计与应用一直受到重视。一般来说,真实的分类事件往往包含许多的不确定性,所以模糊分类就更适合实际分类问题的应用。模糊划分和模糊分类规则的自动产生,分类规则的表达式,分类规则的调整以及分类识别率的提高是模糊分类模型研究的关键问题。为了研究这些问题,本书提出了三种模糊分类模型和一种模糊分类器多分类集成方法,从不同的角度,利用不同的方法和技术,探索解决上述问题的思路和方法。本章主要介绍模糊分类研究的背景、目的、现状以及内容组织。 1.1 模糊分类研究的背景 模糊集合(flJzzy sets)理论是由美国加州伯克莱分校L.A.Zadeh教授1965年提出的概念,用来处理模糊不清、不严密和不明确的问题。其主要特点是将明确集合(crisp sets)加入模糊的观念,并用模糊集合来描述输入模式空间,即利用输入空间的模糊子集合或模糊规则来描述复杂或不确定的系统。模糊集合用隶属度(membership degree)来表示元素属于集合的程度,隶属度在0到1之间取值。这改变了传统数学二值逻辑的明确集合表示,将之扩展为连续多值的模糊集合表示,并使之接受具有模糊现象存在的事实。 |
随便看 |
百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。