覆盖算法的集成学习-应用数学专业论文.docxVIP

PAGE PAGE IV discovery, it is an emerging tool for dealing with fuzzy and uncertain data and very efficient to analyze and process imprecise and imperfect data. Potential knowledge and rule from data can be found using Rough Set theory. This paper introduces Rough set theory into the covering algorithm, a covering set is regarded as a attribute set, then the spherical domains reductions problem will be translated into a attribute reductions problem, and then a covering algorithm of domains reduction based on Rough set theory is presented, experimental results show that this algorithm can simplify the structure of the covering network and improve the stability of networks. Keywords: ensemble learning; covering algorithm; Quotient space; Rough set 目录 摘 要 I AbstractII 第一章 绪论 1 1.1 人工神经网络理论 1 1.2 集成学习 3 1.3 覆盖算法的介绍 4 1.3.1 M-P 神经元的几何意义 4 1.3.2 交叉覆盖算法 6 1.4 本文主要工作 10 第二章 基于集成学习的覆盖算法11 2.1 集成学习的理论基础 11 2.1.1 集成学习的基本概念11 2.1.2 集成学习的构成11 2.1.3 集成学习的作用 12 2.2 集成学习的主要算法 13 Boosting 算法 13 Bagging 算法 15 2.3 基于集成学习的覆盖算法 18 2.4 实验与分析 19 2.5 本章小结 20 第三章 基于商空间的覆盖合成算法 21 3.1 引言 21 3.2 商空间粒度计算基本理论 22 3.2.1 粒度及粒度计算 22 3.2.2 不同粒度世界的描述 22 3.2.3 不同粒度世界的获得 24 3.2.4 不同粒度世界的关系 25 3.2.5 保假(真)原理 25 3.2.6 合成的数学模型 26 3.3 基于商空间的覆盖合成算法 27 3.3.1 构造性覆盖网络分析 27 3.3.2 覆盖网络的合成算法 28 3.4 实验与分析 29 3.5 本章小结 32 第四章 基于粗糙集的领域约简覆盖算法 33 4.1 引言 33 4.2 粗糙集理论的基本概念 33 4.2.1 知识、知识库和不可区分关系 34 4.2.2 粗糙集的上近似与下近似 34 4.2.3 知识约简 36 4.2.4 知识表达系统和决策表 38 4.2.5 属性约简的常用方法 39 4.3 基于粗糙集的球形领域约简覆盖算法 40 4.3.1 领域覆盖分析 40 4.3.2 基于粗糙集的球形领域约简覆盖算法 42 4.4 实验与分析 44 4.5 本章小结 46 第五章 总结与展望 47 5.1 主要工作与创新 47 5.2 论文存在的不足 48 5.3 进一步工作 48 致 谢 50 参考文献 51 攻读硕士学位期间的科研学术情况 55 PAGE PAGE 10 第一章 绪论 1.1人工神经网络理论 人工神经网络(Artifical Neural Networks)方法是建立在现代神经科学研究成果 基础上的一种抽象的数学模型，它反映了大脑功能的若干基本特征，但并非逼真 地描写，只是某种简化、抽象和模拟。人工神经网络的基本思想就是从仿生学角 度模拟人脑神经系统的运作方式，使机器具有人脑那样的感知、学习和推理能力。 它将控制系统看成是由输入到输出的一个映射特性，从而完成对系统的建模和控 制，它使模型和控制的概念更加一般化。理论上讲基于神经网络的控制系统具有 一定的学习能力，能够更好地适应环境和系统特性的变化，非常适合于复杂系统 的建模和控制。特别是当系统存在不确定性因素时，更体现了神经网络方法的优 越性，它高度综合了计