已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著分類問題深入研究,分類器的類型和設(shè)計方法不斷增加,但是在實際應(yīng)用中,目前我們很難選擇那種類型的分類器以及那種設(shè)計方案是最優(yōu)的,因為各種分類器都有自己的優(yōu)勢和適用范圍。因此,在實際應(yīng)用中,多數(shù)還是根據(jù)經(jīng)驗和考慮現(xiàn)實條件選擇分類器。
俗話說“三個臭皮匠,賽得過諸葛亮”,分類問題可以采用這一思想,即利用多個分類器的優(yōu)勢互補,對同一分類問題進行綜合分析,最終得到科學(xué)的決策。從大量的實驗應(yīng)用中,表明多個分類器融合的性能優(yōu)于單個分
2、類器。
模糊積分是一種融合工具,可以有效提高多分類器融合系統(tǒng)分類精確率和改善系統(tǒng)的穩(wěn)健性,在模糊積分多分類器融合系統(tǒng)中,系統(tǒng)的分類性能很大程度上取決于模糊測度的選取,若選擇一個優(yōu)良的模糊測度將大大提高融合系統(tǒng)分類性能,反之,可能使得融合系統(tǒng)的分類性能不如單個分類器。因此,提高該融合系統(tǒng)的分類性能,實質(zhì)上就是尋找最優(yōu)的模糊測度。
本文首先介紹幾種常用的單分類器和多分類器傳統(tǒng)融合方法,并比較分析其優(yōu)勢和缺陷;其次
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小生境遺傳算法的無功優(yōu)化.pdf
- 基于小生境遺傳算法的增量貝葉斯算法.pdf
- 基于聚類方法的小生境遺傳算法研究.pdf
- 小生境遺傳算法的改進及其應(yīng)用.pdf
- 基于小生境遺傳算法的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 排擠小生境遺傳算法的研究與應(yīng)用.pdf
- 多模態(tài)優(yōu)化的混合小生境遺傳算法.pdf
- 運輸調(diào)度問題的小生境免疫遺傳算法研究.pdf
- 基于改進小生境遺傳算法的配網(wǎng)無功優(yōu)化研究.pdf
- 基于模糊聚類與多生境排擠的小生境遺傳算法研究.pdf
- 基于改進小生境遺傳算法的配電網(wǎng)故障恢復(fù).pdf
- 基于模擬退火機制的改進模糊小生境遺傳算法.pdf
- 基于自適應(yīng)小生境遺傳算法的LVS負載均衡調(diào)度研究.pdf
- 基于小生境pareto遺傳算法(npga)的優(yōu)化理論的研究及實現(xiàn)
- 基于小生境自適應(yīng)遺傳算法的配電網(wǎng)無功優(yōu)化研究.pdf
- 基于小生境技術(shù)改進遺傳算法在供電網(wǎng)規(guī)劃中的應(yīng)用.pdf
- 基于融合小生境遺傳禁忌算法的多目標網(wǎng)格任務(wù)調(diào)度研究.pdf
- 小生境粒子群優(yōu)化算法及其在多分類器集成中的應(yīng)用研究.pdf
- 小生境技術(shù)及求解約束優(yōu)化問題的遺傳算法研究.pdf
- 改進的小生境遺傳算法在油藏評價中的應(yīng)用研究.pdf
評論
0/150
提交評論