已閱讀1頁，還剩70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、知識融合算法是知識融合的核心部分，其目的是將多個知識庫進行融合，形成新知識庫。在人類認知的世界和各應(yīng)用領(lǐng)域中，很多概念是模糊不清的，不再是精確表示的。模糊知識融合算法過程一般包含三部分：模糊知識庫編碼，融合算法和融合知識庫的評估。很多學者認為融合多個模糊知識庫是一個多目標最優(yōu)化的問題，于是基于群體智能優(yōu)化算法的模糊知識融合迅速發(fā)展起來。用粒子群優(yōu)化方法可有效地將多個模糊知識庫進行融合。但由于粒子群優(yōu)化算法本身容易陷入局部最優(yōu)，且數(shù)據(jù)庫規(guī)
2、模不同，在某些復(fù)雜應(yīng)用領(lǐng)域，該融合算法迭代次數(shù)多，算法效率不理想。
本文首先將線性遞減慣性因子粒子群優(yōu)化方法用在模糊知識領(lǐng)域，從實驗可以看出該方法改善了傳統(tǒng)粒子群優(yōu)化算法融合模糊規(guī)則庫容易陷入局部最優(yōu)的缺點。
對于復(fù)雜應(yīng)用領(lǐng)域問題，單個粒子群優(yōu)化算法可能搜尋不到滿意解。本文將人工魚群和粒子群方法相結(jié)合，取長補短，并用數(shù)學測試驗證該方法有良好的效能，最后將混合粒子群優(yōu)化算法用于融合模糊知識庫，從實驗看出用混合粒子群優(yōu)化
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。
- 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
- 基于粒子群及其改進型算法的配電網(wǎng)無功優(yōu)化研究.pdf
- 基于改進型粒子群算法的盲源分離研究.pdf
- 基于改進型粒子群優(yōu)化算法的盲多用戶檢測的研究.pdf
- 改進型粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用.pdf
- 改進型粒子群優(yōu)化算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用.pdf
- 改進的粒子群優(yōu)化算法.pdf
- 基于混合粒子群算法的信息物理融合系統(tǒng)多目標跟蹤優(yōu)化.pdf
- 改進粒子群優(yōu)化算法的研究.pdf
- 基于改進粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于改進粒子群優(yōu)化算法的聚類算法研究.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進研究.pdf
- 基于優(yōu)化控制思想的粒子群優(yōu)化算法改進研究.pdf
- 粒子群優(yōu)化算法及其改進.pdf
- 基于混合粒子群算法的倉儲系統(tǒng)優(yōu)化研究.pdf
- 粒子群優(yōu)化算法的改進研究.pdf
- 基于雙種群的改進粒子群優(yōu)化算法研究.pdf
- 基于控制思想的粒子群優(yōu)化算法改進研究.pdf
- 基于混沌映射的粒子群優(yōu)化算法改進研究.pdf
- 基于改進粒子群算法的多目標優(yōu)化研究.pdf
- 基于改進粒子群優(yōu)化的聚類算法研究.pdf
評論
0/150
提交評論