基于choquet模糊積分的多分類器系統(tǒng)多樣性研究-展示頁(yè)
2025-06-03 17:52本頁(yè)面
【正文】 值的函數(shù)名 ； options優(yōu)化選項(xiàng)參數(shù)。lb決策變量的下界 。 fun目標(biāo)函數(shù)名 。,DD?39。 BACK 2020/6/28 7 Step1:初始化各類密度值； Step2:對(duì)樣例集合進(jìn)行分類，得出訓(xùn)練精度，如果達(dá)到所要求的訓(xùn)練精度，那么停止學(xué)習(xí)，返回各類密度值，否則轉(zhuǎn) Step3 ； Step3:計(jì)算整個(gè)訓(xùn)練集的多樣性值 ； Step4 :對(duì)訓(xùn)練集中被系統(tǒng)分錯(cuò)的每一個(gè)樣例 進(jìn)行如下操作： 計(jì)算關(guān)于單個(gè) 樣例 的多樣性值 ， 如果 進(jìn)行以下過(guò)程 ， 否則進(jìn)行下一個(gè)樣例； 判斷是否滿足密度調(diào)整的條件，如果不滿足，那么進(jìn)行下一個(gè)樣例，否則， （ 1）該樣例類別所對(duì)應(yīng)的密度值增加； （ 2）其他類別所對(duì)應(yīng)的密度值減少； 對(duì)訓(xùn)練集搜索一遍后返回各類密度值； Step5: 根據(jù) Step4得到的密度值對(duì)訓(xùn)練集分類，得到訓(xùn)練精度，若精度滿足要求，則停止學(xué)習(xí)，返回密度值，否則計(jì)算對(duì)應(yīng)于 Step4得到的密度值的整個(gè)訓(xùn)練集合的多樣性值 ， 如果 那么 否則 不變，轉(zhuǎn) Step4 ； Dx()dx39。 規(guī)定一個(gè)閾值為可接受的下降程度，這樣密度的調(diào)整條件的判斷如下： ?如果兩個(gè)參數(shù)之一的提高程度小于閾值，那么另一個(gè)參數(shù)的可接受最大下降程度等于前一個(gè)參數(shù)的提高程度。2020/6/28 1 基于 Choquet模糊積分的多分類器系統(tǒng)多樣性研究 報(bào)告人：張國(guó)防 2020/6/28 2 主要內(nèi)容 ?基于模糊積分多樣性的定義 ?泛化誤差不等式 ? 模糊測(cè)度的多樣性訓(xùn)練算法 ?學(xué)習(xí) 模糊測(cè)度的非線性規(guī)劃模型 ?數(shù)據(jù)實(shí)驗(yàn)結(jié)果 ?進(jìn)一步的工作 ?參考文獻(xiàn) g? ?g? ?2020/6/28 3 對(duì)某輸入模式 有如下輸出： BACK xDecision profile(DP( )) xClassifiers Class label Fuzzy measure Fusion output for each class 1 1 1111( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )jMjML L LjMV x V x V xV x V x V xV x V x V x???????? ???????? ??? ??? ??? ?????? ???????? ??? ??? ??? ?????? ?????1:::LDDD???????11( ) ( ) ( )j j M MC C C? ? ???? ???1 ( ) ( ) ( )jMV x V x V x??? ???? ?** 1 , 2 ,( ) ( ) m a x ( )jjj jMD x C D x V x? ? ???? ? ? ? ?? ?12, MC C C? ???1 ( ) ( ) ( )jMf x f x f x??? ???True function for each class 多分類器系統(tǒng) (MCS)的輸出 2020/6/28 4 基于模糊積分的多樣性定義 假定整個(gè)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1