共查询到18条相似文献,搜索用时 78 毫秒
1.
基于遗传算法和模糊积分的多分类器集成 总被引:4,自引:0,他引:4
多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法,该方法利用遗传算法计算模糊积分密度函数,再利用模糊积分把分类器输出信息联合起来。实验结果表明,该方法比其他方法能够得到更好的识别性能。 相似文献
2.
3.
使用模糊积分的方法将多个分类器进行融合可以提高分类精度,但是如何得到最优的模糊测度是一个尚未解决的问题。本文根据模糊测度Sugeno积分的理想特性,用模糊测度代替各个分类器的权值,利用粒子群算法全局搜索的优势,将模糊测度对应于粒子,并随速度和位置并不断调整,从而得到全局最优的模糊测度。通过仿真实例验证了新的多分类器融合模型具有较低的分类错误率,并能有效地提高分类精度。 相似文献
4.
本文讨论了多分类器组合中的分类器选择问题,提出一种基于遗传算法的分类器选择算法,此算法可以快速选出有效的分类器参与组合.文中给出了指定分类器数目和任意分类器数目两种情况下分类器选择的算法.最后在CENPARMI手写体数字数据库上验证了我们的算法和结论.实验结果表明,此种分类器选择算法具有较好的性能. 相似文献
5.
6.
7.
8.
在解决分类问题时,建立在Choquet积分上的分类器以其非线性和不可加性的特点,扮演着越来越重要的角色。由于Choquet积分中的符号模糊测度可以描述各特征对结果的影响,因此Choquet积分在解决数据分类及融合 问题方面具有显著的优势。但是,关于Choquet积分符号模糊测度值的求解,学术界一直缺乏有效的方法。目前最常用的方法是遗传算法,但是遗传算法在解决符号模糊测度值的优化问题时存在算法较为复杂、耗时较长等缺陷。由于符号模糊测度值在Choquet积分分类器中是决定性的重要参数,因此设计出一种有效的符号模糊测度提取方法十分必要。文中提出基于线性判别分析的Choquet积分符号模糊测度的提取方法,推导出在分类问题下Choquet积分的符号模糊测度值的解析式表达,其能够有效、快速地得出关键性参数。分别在人工数据集及基准实际数据集上进行测试与验证,实验结果表明所提方法能有效解决Choquet积分分类器中符号模糊测度的优化问题。 相似文献
9.
考虑到各个独立分类器之间的重要程度和相互作用,根据模糊测度Sugeno积分的理想特性,用模糊测度代替各个分类器的权值,利用捕食-被捕食模型动态周期性变化的特点,将模糊测度对应于种群规模并不断随之进行调整.通过仿真实例证实了新的多分类器融合模型具有较低的分类错误率,能够有效地提高分类精度. 相似文献
10.
11.
一种集成遗传算法与模糊推理的粗糙集数据分析算法 总被引:4,自引:0,他引:4
粗糙集数据分析的主要优点在于它不要求任何关于被处理数据的先验或额外的知识,文章利用其对数据库进行分析计算,自动获取数据库在各个层次上的规则集。在保证量化后的数据库具有最大一致性的前提下,利用遗传算法求取连续属性值的最优量化区间个数及各个区间分点值。同时将量化区间进行模糊化,将清晰规则集转化为模糊规则集,利用模糊推理进行决策以提高鲁棒性。通过对UCI中几个数据库的测试验证了所提出算法的有效性。 相似文献
12.
不同目标函数对用GA寻优Fuzzy控制规则的影响 总被引:3,自引:0,他引:3
本文首先简单介绍了遗传算法和模糊控制自寻优,然后给出了用遗传算法对模糊控制规则进行了自寻优的方法,并通过仿真比较不了同目标函数对用遗传算法寻优模糊控制规则的影响,得出了一些结论。 相似文献
13.
通过对传统协同过滤算法中存在的问题以及解决情况进行分析,论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法,利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分,更好地发挥遗传算法的全局搜索能力,加快收敛速度,同时也能够很好地解决数据稀疏性带来的冷启动问题. 相似文献
14.
基于遗传算法的模糊系统优化设计方法 总被引:32,自引:0,他引:32
提出了一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并钭其应用到模糊系统的优化设计中。仿真结构表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习,遗传优化获得满足系统动态性能的优化控制规则的特点。 相似文献
15.
16.
17.
组合导航系统中,传统的多传感器数据融合算法存在着非线性、计算误差、维数灾难和模型误差等问题.遗传优化模糊神经网络不仅具有模糊神经网络的表达近似与定性知识,较强的学习和非线性表达等能力,而且具有遗传算法的全局搜索能力,是一种有效的数据融合算法.本文将之应用于组合导航系统中,仿真结果证明了该算法的有效性. 相似文献
18.
多分类器融合实现机型识别 总被引:2,自引:0,他引:2
针对空战目标识别中机型识别这一问题,提出了基于多分类器融合的识别方法。该方法以战术性能参数为输入,便于满足空战的实时性要求。通过广泛收集数据,得到机型识别的分类特征,选取分类特征的子集作为单分类器的特征,用BP网络设计单分类器,然后选用性能优良的和规则进行分类器融合,求得最终的决策。实验结果表明,多分类器融合的识别性能明显优于参与融合的分类器,也优于相同输入的单分类器。该方法的另一特点是能够进行缺省推理,因而有较强的抗干扰能力,适合真实战场环境的需要。 相似文献