检索结果-内蒙古大学图书馆

作者：王迪深圳大学

学位级别：硕士

传统的模糊极小极大神经网络通过构建样本空间中的超盒来解决有标签数据的分类问题和无标签数据的聚类问题。基于传统的模糊极小极大神经网络改进的半监督学习算法能够同时处理无标签数据和有标签数据,通过挖掘无标签数据内的潜在信息... 详细信息

传统的模糊极小极大神经网络通过构建样本空间中的超盒来解决有标签数据的分类问题和无标签数据的聚类问题。基于传统的模糊极小极大神经网络改进的半监督学习算法能够同时处理无标签数据和有标签数据,通过挖掘无标签数据内的潜在信息辅助模型训练,可以应用于无标签数据多而标注成本高的复杂现实场景。模糊极小极大神经网络包括一次性在线学习、极少量超参数、模型可解释性强等等优点,同时,传统的模糊极小极大神经网络也存在着三个问题:(1)模型超盒控制参数的选择在很大程度上影响了模型的性能;(2)在模型训练阶段,超盒的收缩机制会存在着永久性信息丢失问题;(3)模型的时间复杂度受数据规模影响,难以适用于大规模数据集。本文创新性地提出基于模糊极小极大神经网络构建的半监督学习算法,并从数据不确定性和模型不确定性两个全新的角度展开研究,基于现有的模糊极小极大神经网络半监督学习算法存在的问题进行建模,提出改进机制,主要工作包括以下三点: 一、构建基于模糊极小极大神经网络的半监督学习算法。该算法通过集成传统的无监督模糊神经网络和有监督模糊神经网络算法构建半监督学习算法,创新性地通过无标签数据生成无标签超盒,将有标签数据用于超盒的标注和边界调整,并创新性地引入未标记超盒的二次标记阶段来处理半监督学习问题。二、引入不确定性的全新研究角度探究基于模糊极小极大神经网络的半监督学习算法存在的三个问题。通过引入数据不确定性和模型不确定性,对模型的超盒控制参数与不确定性之间的关系进行建模,提出超参数的选择方法;对模型训练阶段存在的信息丢失问题进行量化,从不确定性角度解释收缩阶段在不同数据集上的不同作用;最后,通过引入基于数据不确定性的特征选择方法,改进模型的训练阶段,减小模型的时间复杂度。三、基于模糊极小极大神经网络的半监督学习算法进行改进。在模糊极小极大神经网络的半监督学习算法中,由于需要在数据的每个维度上进行比较和计算,因此当面对维度较大的大规模数据集时,模型的训练时间复杂度较高。本文引入过滤型的特征选择方法改进模型。

关键词：半监督学习模糊极小极大神经网络不确定性特征选择

来源：评论

学校读者我要写书评

暂无评论

模糊极小极大网络的改进研究及其应用

模糊极小极大网络的改进研究及其应用

引用

作者：刘牧研东北农业大学

学位级别：硕士

随着信息技术快速发展,全球数据呈现爆发式增长。不论是数据的量还是数据的种类数都在不断上升,对数据的研究也变得越来越复杂,而海量数据的背后往往蕴含着丰富的价值和知识。数据挖掘就是一种致力于从海量的数据中提取出有价值的信息... 详细信息

随着信息技术快速发展,全球数据呈现爆发式增长。不论是数据的量还是数据的种类数都在不断上升,对数据的研究也变得越来越复杂,而海量数据的背后往往蕴含着丰富的价值和知识。数据挖掘就是一种致力于从海量的数据中提取出有价值的信息、知识以及内在规律或潜在模式等等的新兴技术。它可以实现数据从数值到价值和知识的转化,面对大数据时代的纷繁复杂的数据类型和庞大的数据量,数据挖掘技术也在遭受着前所未有的挑战。目前分类及聚类算法是数据挖掘的两大重点研究内容。分类是通过从已有标签的数据中训练得出规律,应用规律对其他数据进行分类。聚类是将数据按照相似性进行划分为若干个内部较为相似但是互相之间差别较为明显的簇。模糊极小极大神经网络是一种既可以用作分类,也可以用作聚类的在线训练的神经网络,避免了传统网络需要迭代训练和信息遗忘等缺点。本文围绕模糊极小极大神经网络的改进研究及应用做了如下工作:首先,本文选择模糊极小极大神经网络最为流行的变体强化模糊极小极大神经网络分类算法来进行改进。通过利用模糊格理论中的包容性测度对强化模糊极小极大神经网络分类算法中的隶属度函数进行替换来提升了算法性能。并在公测数据集上进行了验证,实验结果表明改进后的分类算法在精度、F1分数,以及准确率上都表现良好。其次,由于强化模糊极小极大神经网络分类算法的规则改进及结合模糊格包容性测度的改进方法的有效性已经得以证明。因此本文尝试将强化模糊极小极大神经网络分类算法的规则改进推广到原始模糊极小极大神经网络聚类算法中,并同时采用模糊格包容性测度作为隶属函数。在公测数据集上的实验表明,改进后的聚类算法在精度、调整兰德指数、CH指数等指标上都表现良好。然后,将改进后的基于模糊格包容性测度的强化模糊极小极大神经网络分类算法应用到农产品线上销售预测问题中,以玉米销售数据为例。通过将玉米销售数据划分到相应的预先设定好的各个销售等级类别中,以此来实现玉米销售情况的预测。并将改进后的基于模糊格包容性测度的强化模糊极小极大神经网络聚类算法应用到农业循环经济分区问题中,以黑龙江省为例。选取了16个指标组成了农业循环经济分区指标体系。将黑龙江省划分为了4个农业循环经济发展区,并综合分析了各区的资源,产业特点给出了适合各地区的发展建议。本文提出了模糊极小极大神经网络的两个改进版本,分别针对分类和聚类两方面。并在公测数据集中证明了两种改进模型的有效性和可靠性。本文提出的改进方法能提高分类和聚类算法中的相似性测度能力,减少了原算法参数,也改善了原算法运算空间和所能处理的数据类型的局限性,更符合当今数据类型复杂且数据量巨大的大数据时代。同时,改进后的方法还被成功应用在了农业领域的问题中,成功解决了农产品线上销售预测问题和农业循环经济分区问题。说明该方法在具有理论意义的同时还具有丰富的实际意义。

关键词：分类聚类数据挖掘模糊极小极大神经网络模糊格包容性测度

来源：评论

学校读者我要写书评

暂无评论

基于多特征空间与神经网络的SAR图像识别方法

引用

系统工程与电子技术 2009年第12期31卷 2859-2862页

作者：杨露菁郝威刘忠王德石海军工程大学电子工程学院湖北武汉430033

同一目标在不同方位角下的SAR图像有很大变化,这使得基于单视角图像进行SAR图像目标识别具有很大难度。针对这一问题,提出了一种基于多个独立分量分析特征空间及神经网络集成的SAR图像目标识别系统。通过独立分量分析构造若干个方位角的... 详细信息

同一目标在不同方位角下的SAR图像有很大变化,这使得基于单视角图像进行SAR图像目标识别具有很大难度。针对这一问题,提出了一种基于多个独立分量分析特征空间及神经网络集成的SAR图像目标识别系统。通过独立分量分析构造若干个方位角的SAR图像特征空间,为每一特征空间各训练一个模糊极小极大神经网络用于分类,然后利用D-S证据理论集成各个神经网络的输出。仿真结果表明,与利用精确的方位角估计预处理选择最佳单一神经网络相比,该方法可以获得更高的识别精度,且不需要进行方位角估计预处理。

关键词： SAR图像目标识别独立分量分析神经网络集成特征空间模糊极小极大神经网络

来源：评论

学校读者我要写书评

暂无评论

基于模糊极小极大神经网络的雷达一维像识别

引用

兵工学报 2004年第2期25卷 218-221页

作者：汤光华戴毅刘国岁南京理工大学电子技术研究中心江苏南京210094 解放军理工大学

雷达目标一维距离像是随雷达姿态角变化的 ,但由于目标姿态变化的连续性及目标散射点分布的连续性 ,其一维距离像是一个随视角变化而逐渐演变的过程 ,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线。本文在基于线性内插神经... 详细信息

雷达目标一维距离像是随雷达姿态角变化的 ,但由于目标姿态变化的连续性及目标散射点分布的连续性 ,其一维距离像是一个随视角变化而逐渐演变的过程 ,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线。本文在基于线性内插神经网络对雷达一维距离像识别的基础上 ,改进了线性内插时特征轨迹线的形成方法。提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法 ,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线。进行了三类飞机目标的 0～ 180°姿态角范围内一维距离像的分类实验研究 ,结果表明。

关键词：雷达工程雷达一维距离像模糊极小极大神经网络目标识别

来源：评论

学校读者我要写书评

暂无评论

产品概念设计阶段的案例相似性检索技术研究

引用

计算机集成制造系统 2008年第4期14卷 625-629,721页

作者：谷建光张为华王中伟国防科技大学航天与材料工程学院

以提高产品设计结果的论域覆盖面和增加可行设计结果的多样性为目的,研究了产品概念设计阶段的基于案例推理的产品设计案例相似性检索技术。首先,对产品设计案例相似性检索进行了问题描述;然后指出了传统相似性检索方法的不足;进而提出... 详细信息

以提高产品设计结果的论域覆盖面和增加可行设计结果的多样性为目的,研究了产品概念设计阶段的基于案例推理的产品设计案例相似性检索技术。首先,对产品设计案例相似性检索进行了问题描述;然后指出了传统相似性检索方法的不足;进而提出一种新的基于划分聚类和一般模糊极小极大神经网络的相似案例检索方法,并建立检索模型;最后,通过基于案例推理的固体火箭发动机总体设计实例表明,与传统方法相比,新方法可有效提高相似结果案例集的论域覆盖面,增加设计结果的多样性,提高检索效率,进而提高了固体发动机总体设计质量。

关键词：产品设计案例相似性检索划分聚类模糊极小极大神经网络固体火箭发动机总体设计

来源：评论

学校读者我要写书评

暂无评论

基于开放样本集的雷达目标识别

基于开放样本集的雷达目标识别

引用

第六届全国信息获取与处理学术会议

作者：王俐莉陈琦严榴香汤光华解放军理工大学指挥自动化学院解放军理工大学理学院

通常雷达目标的识别考虑的都是基于封闭样本集的目标识别。此文我们考虑开放样本集的识别。在考虑开放样本集的雷达目标识别时,不仅考虑了对不属于已知类别的样本的拒绝识别问题,同时还考虑了对遭到拒绝识别的样本的再利用问题。

关键词：开放样本集雷达目标识别模式识别模糊极小极大神经网络一维距离像

来源：评论