学位论文 > 优秀研究生学位论文题录展示

基于小生境遗传算法的多分类器融合模型

作　者: 章意成
导　师: 郑婷婷
学　校: 安徽大学
专　业: 计算数学
关键词: 多分类器融合模糊测度模糊积分遗传算法小生境技术
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

随着分类问题深入研究,分类器的类型和设计方法不断增加,但是在实际应用中,目前我们很难选择那种类型的分类器以及那种设计方案是最优的,因为各种分类器都有自己的优势和适用范围。因此,在实际应用中,多数还是根据经验和考虑现实条件选择分类器。俗话说“三个臭皮匠,赛得过诸葛亮”,分类问题可以采用这一思想,即利用多个分类器的优势互补,对同一分类问题进行综合分析,最终得到科学的决策。从大量的实验应用中,表明多个分类器融合的性能优于单个分类器。模糊积分是一种融合工具,可以有效提高多分类器融合系统分类精确率和改善系统的稳健性,在模糊积分多分类器融合系统中,系统的分类性能很大程度上取决于模糊测度的选取,若选择一个优良的模糊测度将大大提高融合系统分类性能,反之,可能使得融合系统的分类性能不如单个分类器。因此,提高该融合系统的分类性能,实质上就是寻找最优的模糊测度。本文首先介绍几种常用的单分类器和多分类器传统融合方法,并比较分析其优势和缺陷；其次,基于模糊积分的多分类器融合模型的构造,介绍几种确定模糊测度的不同方法,重点阐述了遗传算法的原理和一般步骤,并分析遗传算法的优势和缺陷,引进小生境技术,改进遗传算法设计元素,提出基于小生境遗传优化算法确定最优的模糊测度；最后,通过两个不同类型的仿真实验证实了基于小生境遗传优化算法确定模糊测度的可行性和有效性,并与传统融合方法进行对比分析,发现此方法可以提高多分类器融合系统的分类精度。

全文目录

摘要  3-4
Abstract  4-6
目录  6-8
第一章绪论  8-12
  1.1 多分类器融合简介  8-9
  1.2 研究的目的和意义  9-10
  1.3 国内外研究现状  10-11
  1.4 本文研究内容安排  11-12
第二章预备知识  12-28
  2.1 模糊测度和模糊积分  12-14
    2.1.1 模糊测度  12-13
    2.1.2 模糊积分  13-14
  2.2 几种常见的单分类器  14-17
    2.2.1 神经网络分类器(Neural Network)  15-16
    2.2.2 决策树分类器(Decision Tree)  16
    2.2.3 k-近邻分类器(K-NearestANeighbor)  16-17
  2.3 传统的多分类器融合方法  17-21
  2.4 遗传算法  21-26
    2.4.1 标准遗传算法的一般步骤  21-24
    2.4.2 改进遗传算法设计元素  24-26
  2.5 小生境遗传算法  26-27
  2.6 小结  27-28
第三章基于模糊积分的多分类器融合  28-38
  3.1 基于模糊积分多分类器融合模型  28-30
  3.2 模糊测度在融合系统中的作用  30-32
    3.2.1 模糊测度表示各个分类器之间交互作用  30-31
    3.2.2 模糊测度的纠错作用  31-32
  3.3 几种确定模糊测度的方法  32-37
  3.4 小结  37-38
第四章基于小生境遗传算法的多分类器融合  38-47
  4.1 基于小生境遗传算法模糊测度的构造  38-42
  4.2 仿真实验  42-46
    4.2.1 基于同一类型分类器融合实验分析  42-44
    4.2.2 基于不同类型分类器融合实验分析  44-46
  4.3 小结  46-47
第五章总结与展望  47-49
  5.1 总结  47
  5.2 展望及下一步研究的工作  47-49
参考文献  49-53
致谢  53-54
攻读学位期间发表的论文  54

基于小生境遗传算法的多分类器融合模型

内容摘要

全文目录

相似论文