基于模糊積分的數(shù)據(jù)融合-資料下載頁
2025-08-01 14:54本頁面
【正文】 度 。 通過最小值操作符比較證據(jù)值和密度值得出的結(jié)果可以解釋為實際可能性和之間的一致性程度 。 因此 Sugeno積分和 Choquet積分是尋找實際值 和期望值 之間最大程度的一致性 。 })({ kk xgg ? ik gx ? g?g ?g Kk ?,1? )( kAg111 })({)( gxgAg ??)()()( 11 ?? ??? kkkkk AggAggAg ??gkkgkf g舉例說明密度函數(shù)的定義： 1對每一個分類器構(gòu)造混淆矩陣，定義如下： ，其中 當 時， 就是分類器 將物體劃分到正確類的個數(shù)；當 時， 就是分類器 將 類物體劃分到 類的個數(shù)。如有 150個樣本數(shù)據(jù)，這些數(shù)據(jù)分成 3類，每類 50個。分類結(jié)束后得到的混淆矩陣為： 第 1行的數(shù)據(jù)說明有 43個樣本正確分類，有 5樣本本應(yīng)該屬于第 1類，卻錯誤分到了第二類，有 2個樣本本應(yīng)屬于第一類，而錯誤的分到第三類。 假定正確劃分的個數(shù)總是大于錯誤劃分的個數(shù)。即 而且 （這條規(guī)則適用于大多數(shù)合理的分類器） ][ kijk pP ? Jji ?2,1, ?ji? kijpkrji?kijpkric jc??????????4910345225430?iipijii pp ???? Ijkijkiikippg1/21 )()( ///* / wmmkwmmkkiki gg ?? ??? ??*/kig2 根據(jù)下式初始化模糊密度： 3 在分類過程中，根據(jù)分類的正確率，獎勵分類正確的分類器，增加其模糊密度；懲罰錯誤分類的分類器，降低其模糊密度。模糊密度的修正公式為： 是不斷更新的模糊密度。 mk/?????????? mjkipppmjkikkikikkjkikkikimk//://:1/,//,//,//?ki/ k i mj/krmrmkr /?????????????0://,://,:1/,//,//,//,//,//,//,//mmjkimmjkikmjkikmjkimmjkimmjkikmjkimkpmjkippppmjkippr??mkr /而 的定義為： 其中 表示第 個分類器將物體分到 類的情況， 類似。上式的含義是：當兩個分類器的輸出不一致時，那么所考慮分類器 就有錯分的可能性，原始模糊密度就要根據(jù)相對于分類器 的不一致個數(shù)降低。 而 的定義為： 其中 是個很小的實數(shù)值，防止 成為 0。上式的含義是：如果兩個分類器都被認為是有錯分的可能性，那么就可能產(chǎn)生更多的錯誤，初始的模糊密度就應(yīng)該降低。 ?g?????? Kk kiiRgkifkifF1 /)]()1/()/([)()(m a xa r g* iiFi ??4 對于每一個類，重復上述步驟 5 根據(jù)更新后的模糊密度計算模糊測度 6 按照下式計算某一個類模糊積分 7 重復步驟 26 8 選取積分值最大的類作為未知物體的類別標記
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1