| 【中文题名】 | 基于Choquet模糊积分的多神经网络融合模型 |
| 【英文题名】 | A Model of Multiple Neural Network Fusion Based on Choquet Fuzzy Integral |
| 【学科专业】 | 基础数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-8-3 |
| 【中关键词】 | 信息融合,神经网络,模糊积分,模糊测度,二次规划, |
| 【英关键词】 | Information fusion,Neural network,Fuzzy measure,Fuzzy integral,Quadratic programming, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 近年来,在模式识别、机器学习等领域,信息融合技术得到了迅速发展和广泛应用。信息融合包括三个阶段:数据融合、特征融合和决策融合,大量的分类器融合方法都是决策融合或者专家混合。考虑到分类器之间存在着交互影响,本文使用Choquet 模糊积分这个融合算子,将已训练好的神经网络作为分类器进行融合。由于Choquet 模糊积分的计算可以转化成模糊测度的线性组合,关于模糊测度是可微的,可以使用标准的优化技术来确定模糊测度。本文使用线性规划和二次规划来确定模糊测度,并在pima 数据库上进行测试。实验发现,基于二次规划确定的模糊测度的系统融合精度要高于线性规划确定的模糊测度的系统融合精度,但是二者的时间复杂度却相差不大。 |
| 【论文题纲】 |
|
第1章 绪论 |
7-10 |
|
1.1 研究工作的来源与意义 |
7-8 |
|
1.2 本课题的国内外发展现状 |
8-9 |
|
1.3 本课题研究的主要内容 |
9-10 |
|
第2章 预备知识 |
10-19 |
|
2.1 模糊测度 |
10-11 |
|
2.2 模糊积分 |
11-14 |
|
2.3 规划问题 |
14-15 |
|
2.4 神经网络 |
15-19 |
|
第3章 多分类器融合模型 |
19-28 |
|
3.1 常见的几种分类器 |
19-21 |
|
3.2 非模糊积分融合模型 |
21-24 |
|
3.3 分类器之间的交互作用 |
24-26 |
|
3.4 模糊积分融合模型 |
26-28 |
|
第4章 确定模糊测度 |
28-39 |
|
4.1 神经网络学习模糊测度 |
28-29 |
|
4.2 遗传算法确定模糊测度 |
29-31 |
|
4.3 二次规划学习模糊测度 |
31-32 |
|
4.4 学习G-LAMBDA 模糊测度 |
32 |
|
4.5 优化技术确定模糊测度 |
32-35 |
|
4.6 实验数据与分析 |
35-39 |
|
第5章 结论与展望 |
39-40 |
|
参考文献 |
40-42 |
|
攻读硕士学位期间科研工作情况 |
42-43 |
|
致谢 |
43 |
|
| 【DOI】 | LunWen.ID:2.2008.387449 |
