基于置信函数理论的数据分类研究与应用

发布时间：2023-05-20 06:41

　　数据分类是机器学习中最基础的任务之一。随着现代化计算机技术逐步覆盖材料信息、工业系统等众多领域,数据的采集获取已成为现实。通过对获取到的数据进行分类,可以揭示出研究对象潜在的、本质的分布结构。然而由于实际工程及自然环境的复杂性,所获取到的数据往往具有不确定性、多特征性和不完备性等特点,具体表现在数据在特征空间分割不明确、多维特征、已标号样本量不足这三个方面,给数据分类工作造成困难。传统的数据分类方法往往出现分类准确性差甚至失效的情况。置信函数理论因其具有完备的不确定性表征能力和多源不确定信息融合能力,为此类复杂数据的分类问题提供了可行的数学框架。因此,本文在置信函数理论框架下,围绕数据分类问题,开展了以下研究:(1)针对多特征数据的数据分类问题,考虑到不同特征往往具有不同的重要性,在置信函数理论框架下,本文提出了一种基于加权特征证据融合的监督型分类模型。首先,该模型将不同特征视为支持样本类别归属问题的多源证据,并利用核密度估计方法来量化证据信息。其次,引入证据权重,并利用Pignistic概率转换设计了最小化训练集样本分类误差的优化目标来自学习该权重参数。最后,通过加权融合多个特征证据...

【文章页数】：133 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
符号和缩写清单
1 引言
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 置信函数理论研究现状
        1.2.2 监督型证据分类算法研究综述
        1.2.3 半监督证据分类算法研究综述
        1.2.4 证据聚类算法研究综述
    1.3 本文主要创新点
    1.4 本文组织结构
2 论文相关理论与技术
    2.1 置信函数理论
        2.1.1 证据的表示
        2.1.2 证据的折扣
        2.1.3 证据的组合
        2.1.4 证据的决策
    2.2 数据分类
3 基于加权特征证据融合的监督型分类模型
    3.1 问题提出
    3.2 模型建立
        3.2.1 核密度估计
        3.2.2 特征证据构建
        3.2.3 加权特征证据融合
    3.3 示例实验
    3.4 公共数据集对比实验
    3.5 腐蚀工程应用实验
        3.5.1 腐蚀实验设置
        3.5.2 实验结果分析
    3.6 本章小结
4
    4.2
        4.2.2 软证据标签传播
    4.3 示例实验
    4.4 公共数据集对比实验
        4.4.1 多特征数据集
        4.4.2 图结构数据集
    4.5 参数鲁棒性实验
    4.6 腐蚀工程应用实验
        4.6.1 腐蚀数据收集
        4.6.2 实验结果分析
    4.7 本章小结
5 基于信度峰的软标签传播聚类模型
    5.1 问题提出
    5.2 模型建立
        5.2.1 信度测度
        5.2.2 改进的信度测度
        5.2.3 线性软标签传播机制
    5.3 示例实验
        5.3.1 示例实验一
        5.3.2 示例实验二
    5.4 公共数据集对比实验
        5.4.1 密度峰聚类算法对比
        5.4.2 证据聚类算法对比
    5.5 参数鲁棒性实验
    5.6 腐蚀工程应用实验
        5.6.1 腐蚀实验设置
        5.6.2 实验结果分析
    5.7 本章小结
6 总结与展望
    6.1 研究内容总结
    6.2 未来工作展望
参考文献
作者简历及在学研究成果
学位论文数据集



本文编号：3820741