| 【中文题名】 | 基于极大模糊熵原理的模糊产生式规则权重获取方法研究 |
| 【英文题名】 | A Research on Learning Weights of Fuzzy Production Rules Based on Maximum Fuzzy Entropy |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-14 |
| 【中关键词】 | 不确定性推理,模糊产生式规则,权重获取,模糊熵,极大模糊熵原理,遗传算法 |
| 【英关键词】 | Approximate Reasoning,Fuzzy Production Rules,Weight Acquisition,Fuzzy Entropy,Maximum Fuzzy Entropy Principle,Genetic Algorithm, |
| 【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>> |
| 【论文摘要】 | 模糊产生式规则(IF-THEN规则)是不确定性知识表示的一种最基本的最常用的形式，在模糊规则中引入权重，能增强模糊规则对待分类示例的泛化能力。模糊产生式规则的一项重要研究工作就是权重如何获取。目前常用的权重获取准则是依据于训练精度的提高，这种方法的明显不足是会引起过度拟合，从而降低了系统的泛化能力。因此，本文提出了一种新的基于极大模糊熵原理的权重获取准则。在保证训练精度不降低的前提下，调整权重来极大化训练集的模糊熵，能有效的提高测试精度。基于极大模糊熵原理的权重获取模型，为带约束的函数极值问题，可采用遗传算法求解。实验结果表明新的权重获取策略有效的减少了过度拟合现象，同时提高了测试精度。 |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
第1章 绪论 |
8-12 |
|
1.1 研究背景 |
8-9 |
|
1.2 国内外研究现状 |
9-10 |
|
1.3 研究的主要内容 |
10-12 |
|
第2章 模糊专家系统 |
12-22 |
|
2.1 专家系统知识表示 |
12-15 |
|
2.1.1 基本概念 |
12-14 |
|
2.1.2 产生式规则 |
14-15 |
|
2.1.3 模糊产生式规则 |
15 |
|
2.2 加权模糊产生式规则推理系统 |
15-22 |
|
2.2.1 产生式系统 |
16 |
|
2.2.2 不确定性推理方法 |
16-19 |
|
2.2.3 加权模糊产生式规则推理模型 |
19-22 |
|
第3章 基于极大模糊熵原理的权重获取模型 |
22-38 |
|
3.1 基于极大模糊原理的权重获取模型 |
22-26 |
|
3.1.1 模糊熵 |
22-23 |
|
3.1.2 极大模糊熵原理 |
23-24 |
|
3.1.3 权重获取模型 |
24-26 |
|
3.2 求解权重获取模型 |
26-38 |
|
3.2.1 可行方向法 |
27-29 |
|
3.2.2 遗传算法 |
29-38 |
|
第4章 实验与数据分析 |
38-44 |
|
4.1 实验数据 |
38-39 |
|
4.2 实验过程与结果分析 |
39-44 |
|
4.2.1 实验一 |
39-41 |
|
4.2.2 实验二 |
41-44 |
|
第5章 结论与展望 |
44-46 |
|
5.1 全文总结 |
44 |
|
5.2 进一步工作与展望 |
44-46 |
|
参考文献 |
46-48 |
|
攻读硕士学位期间科研工作情况 |
48-50 |
|
致谢 |
50 |
|
| 【DOI】 | LunWen.ID:2.2008.388028 |
