2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩123頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、一般而言,未確知性總是和實(shí)際問(wèn)題中的定量和定性因素相關(guān)。模糊支持向量機(jī)(Fuzzy Support Vector Machine,F(xiàn)SVM),是為了減小未確知性信息(一種不確定性信息)對(duì)標(biāo)準(zhǔn)支持向量機(jī)(Support Vector Machine,SVM)學(xué)習(xí)精度及泛化能力所造成的影響,利用模糊集理論,建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法。然而,現(xiàn)有模糊支持向量機(jī)方法在分析和處理未確知性信息時(shí),存在分析精度低以及處理大規(guī)模數(shù)據(jù)時(shí)的經(jīng)濟(jì)

2、性“瓶頸”等問(wèn)題。因此,本文在分析未確知性信息特征、支持向量機(jī)和模糊支持向量機(jī)理論和技術(shù)的基礎(chǔ)上,從未確知性數(shù)據(jù)本質(zhì)和幾何結(jié)構(gòu)特征出發(fā),對(duì)模糊支持向量機(jī)方法中的數(shù)據(jù)預(yù)處理模型,模糊核函數(shù)構(gòu)建和動(dòng)態(tài)參數(shù)優(yōu)化算法進(jìn)行相關(guān)研究,所做的工作和取得的創(chuàng)新成果主要體現(xiàn)在以下幾方面:
  (1)從未確知信息樣本本質(zhì)和幾何特征出發(fā),以模糊集理論為基礎(chǔ),分析未確知信息的基本特征,提出針對(duì)未確知信息樣本的改進(jìn)模糊數(shù)度量模型,有效的對(duì)于FSVM算法輸入

3、樣本進(jìn)行預(yù)處理,并依據(jù)改進(jìn)模糊數(shù),拓展 FSVM模型未確知機(jī)會(huì)約束規(guī)劃問(wèn)題。
 ?。?)高維特征空間映射反應(yīng)研究樣本之間的相似程度。根據(jù)空間映射、相似測(cè)量和核函數(shù)之間的關(guān)系,提出適用于FSVM核函數(shù)構(gòu)建的Gregson模糊集相似測(cè)量方法。該方法對(duì)于未確知性研究樣本有更加準(zhǔn)確的映射表示,并且綜合考慮未確知性樣本的不同分布情況,為模糊支持向量機(jī)核函數(shù)的改進(jìn)提供了研究基礎(chǔ)。
  (3)根據(jù)核函數(shù)理論,高維空間映射對(duì)應(yīng)低維空間中的向

4、量?jī)?nèi)積,向量?jī)?nèi)積可以用滿足 Mercer定理的核函數(shù)表示。模糊支持向量機(jī)性能的優(yōu)劣很大程度上取決于其核模型的選擇。在模糊相似測(cè)量改進(jìn)的基礎(chǔ)上,利用改進(jìn)Gregson模糊集相似測(cè)量函數(shù),構(gòu)建適用于FSVM的模糊相似內(nèi)核。相比現(xiàn)有模糊支持向量機(jī)的核函數(shù),該核函數(shù)可以更加準(zhǔn)確的實(shí)現(xiàn)對(duì)于未確知性信息的分析和研究。
 ?。?)FSVM應(yīng)用性能的好壞,相當(dāng)程度上取決于模型參數(shù)選取的優(yōu)劣?;谶z傳算法(Genetic Algorithm,GA)

5、和粒子群算法(Particle Swarm Optimization,PSO),提出了自適應(yīng) PSO-GA參數(shù)選取和優(yōu)化方法,并將其用于未確知模糊支持向量機(jī)(Unascertained Fuzzy Support Vector Machine,UFSVM)算法模型研究之中。該算法可以有效的彌補(bǔ)PSO算法和GA算法所存在的易陷入局部最優(yōu)解及收斂速度緩慢的缺陷,并引入自適應(yīng)因子有效的考慮未確知信息特征。該方法提升了參數(shù)優(yōu)化算法的尋優(yōu)能力,并

6、且算法魯棒性和計(jì)算耗時(shí)上有明顯優(yōu)勢(shì)。計(jì)算精度、計(jì)算速度和算法的穩(wěn)定性都優(yōu)于標(biāo)準(zhǔn)PSO和GA算法。
 ?。?)基于優(yōu)化的UFSVM算法,選取旋轉(zhuǎn)超聲加工中材料切屑率(Material Removal Rate,MRR)測(cè)量數(shù)據(jù)驗(yàn)證改進(jìn)模糊數(shù)的數(shù)據(jù)預(yù)處理和模糊相似核函數(shù)構(gòu)建的UFSVM優(yōu)化算法;選取滾動(dòng)軸承實(shí)驗(yàn)臺(tái)上的軸承故障數(shù)據(jù)進(jìn)行驗(yàn)證自適應(yīng)PSO-GA參數(shù)優(yōu)化算法。通過(guò)這些實(shí)際問(wèn)題和實(shí)際工業(yè)領(lǐng)域的研究數(shù)據(jù),可以證明本文提出的未確知模

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論