本文關(guān)鍵詞：基于GDA的置信規(guī)則庫參數(shù)訓(xùn)練的集成學(xué)習(xí)方法

  更多相關(guān)文章： 置信規(guī)則庫(BRB) 集成學(xué)習(xí) 梯度下降法(GDA) Bagging AdaBoost

【摘要】：目前對(duì)置信規(guī)則庫(belief rule base,BRB)的研究主要針對(duì)單個(gè)BRB系統(tǒng),然而單個(gè)BRB系統(tǒng)的推理性能不僅受參數(shù)取值的影響,而且當(dāng)訓(xùn)練集分布不均衡或數(shù)據(jù)量較少時(shí),容易導(dǎo)致參數(shù)訓(xùn)練不全面,從而使得推理結(jié)果所提供的決策信息存在局部性。通過引入Bagging算法和Ada Boost算法,分別與BRB相結(jié)合提出了基于梯度下降法(gradient descent algorithm,GDA)的置信規(guī)則庫系統(tǒng)的集成學(xué)習(xí)方法,并分別應(yīng)用于輸油管道檢漏、多峰函數(shù)的置信規(guī)則庫訓(xùn)練,將多個(gè)BRB子系統(tǒng)集成,提高系統(tǒng)的推理性能。在實(shí)驗(yàn)中,以收斂精度和曲線擬合效果作為衡量指標(biāo)來分析集成系統(tǒng)的性能,并將集成系統(tǒng)與其他單個(gè)BRB系統(tǒng)進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明BRB集成學(xué)習(xí)方法合理有效。
【作者單位】： 福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;福州大學(xué)經(jīng)濟(jì)與管理學(xué)院;
【基金】：國家自然科學(xué)基金Nos.61300026,71501047 福建省自然科學(xué)基金No.2015J01248 福州大學(xué)科技發(fā)展基金Nos.2014-XQ-26,14SKF16~~
【分類號(hào)】：TP181;TP202
【正文快照】： 1 引言 隨著信息技術(shù)的快速發(fā)展,為了能夠處理在各種復(fù)雜應(yīng)用背景下多樣性、大容量、高速、實(shí)時(shí)的數(shù)據(jù),信息融合(data fusion)技術(shù)越來越受到各個(gè)領(lǐng)域?qū)＜业闹匾�。信息融合是模仿人類處理信息的結(jié)果,它實(shí)際上是一個(gè)不確定性推理與決策的過程,其方法包括貝葉斯概率推理法、D-S，

本文編號(hào)：1292344