模糊集的线性分类模型与方法文献综述

 2022-11-28 04:11

文献综述

一、引言

随着万维网(World Wide Web)在国际互连网上的推广,文本信息数量日益增加,交换日益频繁,这就需要一个高效率的信息检索系统。目前,在上有数百万个服务器日夜不停地向人们提供着各式各样的信息服务。面对如此众多的服务器和丰富的信息资源,如何使人们有效迅速地提取所需信息,已成为网络信息服务领域的一项重大课题。[5]

此外从神经网络理论研究之初,人们就关注其内部行为分析。[2]在模糊神经网络设计中,模糊规则的建立是系统设计的瓶颈问题,所以有关神经网络与模糊系统相结合的研究大多集中在模糊神经网络的建模,模糊神经网络结构和算法的研究是国内外学者研究的热点,新模糊神经网络模型和学习算法不断涌现。

邻域覆盖(NC)是同类邻域的结合,并提供数据分布的集合级近似。由于非参数属性和对复杂数据的鲁棒性,邻域覆盖已广泛用于数据分类。现有的大多数方法都是根据最近的邻域直接对数据样本进行分类。但是,某些分类方法严格地对不确定数据进行分类,并可能导致严重的分类错误。为了解决这个问题,我们将传统邻域覆盖扩展到模糊覆盖,从而提出了一种具有模糊邻域覆盖的三向分类方法(3WC-FNC)。[14]

这些网络和神经网络理论与应用研究等领域都用到了模糊识别与分类问题。

确定性的分类计数要求将模式明确的划分为某个类别,就像数学中的集合一样,不存在模棱两可。然而大量的事物往往是无法精确描述的,而且有时也不需要那么精确。[1]将模式划分成类别是人类具有抽象化思维的本领,对事物的正确划分要么是由于问题确实能够被精确描述,要么是因为人们能够抓住模糊事物的本质进行概括和归纳。

本课题在不确定环境下,对模糊集建立线性分类模型,并提出求解算法。另外,也会考虑在不知道类别情况下,先进行模糊聚类,再作线性分类。

  1. 模糊集合

模糊集合是用来表达模糊性概念的集合。 又称模糊集、模糊子集。普通的集合是指具有某种属性的对象的全体。

2.1 模糊集合定义

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。