基于区间值的示例学习与区间规划的研究

来源 :福州大学 | 被引量 : 0次 | 上传用户:xiaoluc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现实世界中随机性与模糊性无处不在,无论在日常生活中还是在工程技术、生命科学、经济管理等领域。模糊集理论作为经典集合论的推广,可以用来表示人类知识中大量存在的模糊性概念。作为模糊数的特例——区间数广泛存在现实生活与工程应用中,如电力网络的故障点、疾病感染时间等,这些数据用区间数来表示更合乎实际情况。 本文研究基于区间值表示的对象的处理方法,主要在两个领域:一、区间决策树示例学习。在区间值属性决策树学习中,由于属性是用区间值表示,考虑到定义在所有示例上的同一属性的取值可能符合某种分布规律或可以形成几个中心,故可通过区间值数据模糊C-均值聚类算法对所有示例的某一属性的区间值进行分类聚合,产生若干个中心区间数,同时获得其他区间数对中心区间数的隶属度,由此,属性的区间数表示方式就转变为用模糊隶属度表示。对转化成以隶属度形式的模糊数,采用模糊ID3算法进行处理,最后生成决策树。这种的处理方法相对目前简单的区间值割点分割方法能较好地保持了区间值所表征的特性,同时也考虑到同一属性值的分布规律,从而更科学地实现对用区间值表示知识的处理。二、区间规划问题,区间规划是为解决区间系数和正常变量的问题发展起来的,本文重点论述了笔者对区间数的目标系数和约束系数如何进行变量化(基本思想是考虑到区间数在以极高覆盖概率上对应评价值的正态分布),利用随机变量的不确定性来取代区间数的模糊性,基于此区间线性规划模型就转化为单目标随机期望值规划模型,在此基础上设计基于随机模拟的遗传算法来求解原问题的优化解。
其他文献
随着移动通信技术和Internet技术的迅速发展以及网络信息资源的日益丰富,人们希望在任何时间、任何地点都能方便地访问Internet资源。移动IPv6是一种在全球因特网上提供移动
目前,软件Agent技术已被广泛应用于各个领域,尤其是在WWW网上信息检索、电子商务、网络管理等的应用。这对 Agent的适应性提出了更高的要求。适应性也是衡量这个软件系统是否
在数据库技术不断发展的今天,数据量也在不断膨胀,现有的串行数据库技术已经越来越无法适应数据增长的要求。因此,象众多其他领域一样,并行化成为提高数据库系统性能的必然手段。
当前,电子商务不仅为客户提供了便利的交易方式和广泛的选择,同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。新型的数据贮存和处理技术 — 数据仓库能
数控技术在如今高新技术飞速发展的今天已经悄然演变成了最核心的技术,为了提高本国的制造水平和科技竞争力西方各个发达国家均大力发展数控技术,将其作为加速经济发展、提高