基于模糊積分的數(shù)據(jù)融合-預(yù)覽頁(yè)
【正文】 工 。第一步信息獲取，收集大量的數(shù)據(jù)。 信息獲取 預(yù)處理 分類器設(shè)計(jì) 分類器決策 圖 1 分類識(shí)別過(guò)程 這里重點(diǎn)介紹神經(jīng)網(wǎng)絡(luò)的 BP算法。 BP算法被稱作反向傳播算法，主要思想是從前向后（正向）逐層傳播信息；從后向前（反向）逐層傳播輸出層的誤差，間接算出隱層誤差。 )( jjiiijjne tfOOwne t?? ?? ??jjj yyE2)?(21ijijij OwEtw ???????? )(j??????????? ?kkjkjjjjjj wOOOOOy非輸出層的計(jì)算方法輸出層的計(jì)算方法?? )1()1()()()()1( twtwtw ijijij ????算法分為兩個(gè)階段： 例：有兩組數(shù)據(jù)點(diǎn)，第一組數(shù)據(jù)為（ 0， 0）（ 0， 1），第二組數(shù)據(jù)為（ 1， 0）（ 1， 1）是。構(gòu)造一個(gè)三層的神經(jīng)網(wǎng)絡(luò)，由于數(shù)據(jù)有兩個(gè)屬性，設(shè)計(jì)兩個(gè)輸入節(jié)點(diǎn)；輸出有兩類，設(shè)計(jì)兩個(gè)輸出節(jié)點(diǎn)。當(dāng)?shù)谝唤M數(shù)據(jù)輸入時(shí)，第一個(gè)輸出節(jié)點(diǎn)為 1；當(dāng)?shù)诙M數(shù)據(jù)輸入時(shí)，第二個(gè)輸出節(jié)點(diǎn)為 1 ，用 BP算法訓(xùn)練網(wǎng)絡(luò)。 隨著數(shù)據(jù)維數(shù)的增長(zhǎng) ， 單分類器處理數(shù)據(jù)的能力和效率都有所不足；而且單分類器適用于特定類型的數(shù)據(jù) ， 對(duì)于混合型的數(shù)據(jù)單分類器很難得到較好的分類效果 ， 因而可以采用不同類型的分類器處理不同類型的數(shù)據(jù) 。 雖然上述前個(gè)問(wèn)題應(yīng)該同時(shí)考慮 ， 但它們通常被單獨(dú)考慮看作覆蓋優(yōu)化和決策優(yōu)化策略 。 通過(guò) GA算法 可以同時(shí)解決這兩個(gè)問(wèn)題得到最優(yōu)解 。主要思想是：生物通過(guò)遺傳和變異，依照 “ 適者生存 ” 的原則，從簡(jiǎn)單的地基生物發(fā)展到復(fù)雜的高級(jí)生物。遺傳算法的編碼方法很多根據(jù)具體的問(wèn)題有不同的方法，如哈夫曼編碼等。選擇群體中的兩個(gè)個(gè)體 x1， x2以這兩個(gè)個(gè)體為雙親做基因鏈碼的交叉，從而產(chǎn)生兩個(gè)新的個(gè)體 x1’， x2’作為他們的后代，簡(jiǎn)單的交叉方法是：隨機(jī)的選取一個(gè)截?cái)帱c(diǎn)將 x1， x2的基因鏈碼在截?cái)帱c(diǎn)處切開(kāi)，并交換后半部分，從而組合生成兩個(gè)新的個(gè)體 x1‘， x2’,這是最簡(jiǎn)單的單點(diǎn)交叉，還有雙點(diǎn)交叉。 遺傳算法中每個(gè)個(gè)體不斷地對(duì)環(huán)境進(jìn)行學(xué)習(xí)和適應(yīng)，通過(guò)交叉和編譯產(chǎn)生了新的個(gè)體，交叉類似于遺傳，這些后代繼承了雙親的優(yōu)良特性，通過(guò)變異產(chǎn)生了不同于雙親的特性。 ??? p o p s i z eiif it n e s sF1)(F ifitn e ssp i )(???? ijjj pq1(4) 單點(diǎn)交叉：設(shè)交叉的概率為 pc。 我的問(wèn)題是如何統(tǒng)一結(jié)果 ， 即決策層的融合 。 根據(jù)投票法我們可以斷定最后一個(gè)物體是 +類 ， 而很難做出定出第一個(gè)的類別 。證據(jù)理論是貝葉斯方法的一種改進(jìn)，它巧妙地解決了需要事先知道先驗(yàn)概率的問(wèn)題，是在不確定條件下進(jìn)行強(qiáng)有力推理的方法。該方法假設(shè)各個(gè)分類器的作用獨(dú)立。被看作是非線性可加函數(shù)，從多個(gè)分類器的一致和相互沖突的結(jié)果中找出最大一致性的結(jié)果。 },{ 21 nxxxX ??]1,0[)(: ?XPg )(XPX 1)(。 可以按照下式確定： 上式 的解存在而且唯一。如果函數(shù) 的值滿足 ，則可以證明 Sugeno積分和 Choquet積分可以按照下式計(jì)算： 其中 設(shè) ， 映射 稱為模糊密度函數(shù) 。 因此 Sugeno積分和 Choquet積分是尋找實(shí)際值 和期望值 之間最大程度的一致性 。 假定正確劃分的個(gè)數(shù)總是大于錯(cuò)誤劃分的個(gè)數(shù)。上式的含義是：當(dāng)兩個(gè)分類器的輸出不一致時(shí)，那么所考慮分類器 就有錯(cuò)分的可能性，原始模糊密度就要根據(jù)相對(duì)于分類器 的不一致個(gè)數(shù)降低
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1