基于商空間的構造性學習算法研究.pdf

1、粒計算的目的是建立一種體現(xiàn)人類問題求解特征的一般模型，其基本思想是在不同的粒度層次上進行問題求解。粒是粒計算的最基本的原語，它是一簇點(對象、物體)由于難以區(qū)別，或相似、或接近、或某種功能而結合在一起所構成的。 從粒計算的角度來看，問題求解的商空間理論用拓撲來描述論域的結構、用等價關系來完成?；?，借助于自然映射實現(xiàn)在不同粒度層次上的轉換。 商空間理論作為一種問題求解的方法，有著堅實的理論基礎，它采用多側面、多角度的問題求

2、解方法，可以在解決問題時縮小求解難度，降低計算量。商空間理論把定性的思維和定量的分析有機地統(tǒng)一起來，合理地對復雜問題進行粒度描述，把復雜問題分解為可求解的、不同粒度的學習規(guī)則，然后再合成相關的規(guī)則，最終得到復雜問題的綜合規(guī)則。 傳統(tǒng)的基于距離或相似度的聚類算法一般都基于“特征矢量”的方法，這種方法并不適宜用來處理個體數(shù)據(jù)。往往由于進行了數(shù)據(jù)矢量轉化操作而造成信息丟失，最終可能會導致聚類結果的不準確。 覆蓋方法最優(yōu)之處在于

3、覆蓋領域完全真實地反映了樣本的分布情況，本文中分析了覆蓋算法中需要進一步研究的三個問題：第一個是對該算法識別的正確率與泛化能力之間矛盾的解決，第二個是如何改進覆蓋方法，第三是如何提高泛化能力?；谏炭臻g理論，作者提出了對于覆蓋算法的改進思想，它能在基本保持分類能力的前提下，提高分類的速度和識別的精度。從對平面雙螺旋線數(shù)據(jù)的實驗結果可以看出，與交叉覆蓋聚類算法對比，改進的算法的正確識別率顯著提高，隨著訓練樣本數(shù)據(jù)的增加，拒識率為0，若不計