单调模糊系统建模方法研究

发布时间：2021-08-01 04:33

　　现实生活中存在着大量的有序分类问题,这些年,随着对分类任务的研究,一般的数据分类问题已经取得了较好的分类准确率,但是这些任务中很少考虑序的关系,因此可能得到不一致的决策规则,这就需要研究者深入研究类标签之间的顺序关系。Takagi-Sugeno-Kang（TSK）模糊系统已被广泛应用于回归、分类和决策等方面,并展现出了良好的精度和可解释性,但是对于存在单调数据的建模场景,TSK模糊系统的建模效果还不够理想。针对这些挑战,并以目前经典的相关算法和最新研究的成果为基础,本文展开了如下的研究工作:首先,提出了一个新颖的单调递增的TSK模糊系统（Monotonically Increasing Takagi-Sugeno-Kang,MCI-TSK）。MCI-TSK应用存在于响应与预测变量之间的单调关系,并以单调约束的形式表示来构建优化目标函数。实验结果表明,在处理具有单调性的数据集时,MCI-TSK比原始的TSK模糊系统具有更好的分类性能。其次,基于上述,对单调递增约束条件进行拓展,通过在原始的0阶TSK模糊系统模型上添加单调约束使单调0阶TSK模糊系统（Monotonically 0-ord... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

生成的单调模拟数据集中10个样本的输入向量分布

F 神经网络基函数（Radial Basis Function，简称 RBF）神经网络，是在 80 年代末由 C.Dody 研究得到的一种前馈型神经网络[40]。RBF 神经网络模拟了人脑中神经网备的局部调整、互相覆盖接收域的特点，所以它可以进行局部逼近，同时1]。它的非线性拟合能力非常突出，即使是非常复杂的非线性关系可以通过且结构也非常简单，很容易通过计算机来实现。F 网络是一种三层前馈型网络，即输入层、隐藏层以及输出层，经典的 RB主要分为两步：第一步是采用聚类[42-44]等方法构造初始化的网络模型；第练。通常，一个具有 n 个输入值，m 个隐藏节点和一个输出值的 RBF 神示如图 5-1[45]。信号源节点构成了输入层，每个输入神经元对应于输入向完全连接到 m 个隐藏层神经元，每个隐藏层神经元同输出神经元完全连接输入层。因为从输入层映射到输出层是非线性映射，但是隐含层映射到输映射，所以即能够防止局部极小的问题的出现还能够迅速提升学习速度。

【参考文献】：
期刊论文
[1]具有强解释性的贝叶斯MA型模糊系统[J]. 顾晓清,王士同,倪彤光,蒋亦樟.  控制与决策. 2018(01)
[2]基于模糊子空间聚类的〇阶L2型TSK模糊系统[J]. 邓赵红,张江滨,蒋亦樟,史荧中,王士同.  电子与信息学报. 2015(09)
[3]基于双向有序互信息的单调分类决策树算法[J]. 许行,梁吉业,王宝丽.  南京大学学报(自然科学版). 2013(05)
[4]0阶L2型TSK迁移学习模糊系统[J]. 蒋亦樟,邓赵红,王士同.  电子学报. 2013(05)
[5]ML型迁移学习模糊系统[J]. 蒋亦樟,邓赵红,王士同.  自动化学报. 2012(09)
[6]基于改进RBF神经网络的入侵检测研究[J]. 田俊峰,张晶,毕志明.  计算机工程与应用. 2008(31)
[7]基于改进型模糊聚类的模糊系统建模方法[J]. 朱喜林,武星星,李晓梅.  控制与决策. 2007(01)
[8]两类模糊系统具有插值性的充要条件[J]. 侯健,李洪兴,王加银.  控制理论与应用. 2006(02)
[9]RBF神经网络在遥感影像分类中的应用研究[J]. 罗小波,王云安,肖春宝,王西林.  遥感技术与应用. 2004(02)
[10]模糊系统和神经网络的融合技术[J]. 闻新,宋屹,周露.  系统工程与电子技术. 1999(05)



本文编号：3314822