基于复choquet模糊积分的分类器分类模型及其测度学习问题研究

摘要

本文研究将复choquet模糊积分应用到分类器分类中,首先给出了基于复choquet模糊积分的单分类器分类模型和多分类器分类模型,并用国际通用的数据库(UCI)进行试验,得到了比较好的结果,验证了分类器的分类性能及其可行性;其次,在以上所给出的基于复choquet模糊积分的分类器分类模型中,模糊复测度的确定是关键,这也是本文的核心部分,解决了模糊复测度的确定问题,用全局版粒子群群体智能优化算法学习训练确定模糊复测度,并同样用国际通用的数据库进行试验,取得了非常好的效果,说明了本文所给出的确定模糊复测度方法的有效性和准确性.

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究工作的来源和意义

1.2国内外研究现状

1.3 本课题研究的主要内容

第二章 预备知识

2.1模糊复测度

2.2复choquet模糊积分[60]

2.3几种常用的分类模型

2.4[62]粒子群算法

第三章 基于复choquet模糊积分的分类器分类模型

3.1单分类器分类模型

3.2 多分类器分类模型

第四章 基于复choquet模糊积分的分类器模型的测度学习

4.1复choquet模糊积分的单分类器分类模型的测度学习设计与实现

4.2 复choquet模糊积分的多分类器分类模型的测度学习设计与实现

第五章 实验

5.1 复choquet模糊积分的单分类器分类模型的测度学习数据实验分析

5.2复choquet模糊积分的多分类器分类模型的测度学习数据实验分析

第六章 结论与展望

参考文献

硕士学位期间取得的研究成果

致谢