模糊分類算法及其在鍛模設(shè)計(jì)準(zhǔn)則中的應(yīng)用研究.pdf

1、在數(shù)據(jù)分類問題中，面對(duì)的是大量原始數(shù)據(jù)，需要從這些原始數(shù)據(jù)中提煉出相應(yīng)的數(shù)學(xué)模型，在此基礎(chǔ)上找出其中隱藏的規(guī)律。這些問題很難用傳統(tǒng)的確定型模型來描述和基于精確的數(shù)學(xué)方法來求解。而描述成模糊優(yōu)化問題往往更為合適。
　　 模糊優(yōu)化方法本質(zhì)上是多目標(biāo)優(yōu)化問題，而遺傳算法是解決多目標(biāo)問題的一種有效方法。模糊優(yōu)化特別是基于動(dòng)態(tài)模型的模糊優(yōu)化中的遺傳算法有其特殊的本質(zhì)，有必要加以深入研究。
　　 本文研究了兩類典型的智能算法—模糊優(yōu)

2、化和遺傳算法。將基于遺傳算法的模糊分類算法應(yīng)用于基于回歸方程的數(shù)據(jù)分類中，得到了飛邊尺寸設(shè)計(jì)準(zhǔn)則挖掘;將基于遺傳算法的模糊分類算法應(yīng)用于基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類算法中，獲得了飛邊金屬消耗設(shè)計(jì)準(zhǔn)則。從而驗(yàn)證了基于遺傳算法的模糊優(yōu)化算法的有效性。
　　 本文的主要研究?jī)?nèi)容如下:
　　 (1)闡述了幾種主要的分類算法，探討了模糊分類基本問題，給出三種模糊分類規(guī)則表達(dá)方式，包括基于回歸方程的規(guī)則表達(dá)、基于神經(jīng)網(wǎng)絡(luò)的規(guī)則表達(dá)和基

3、于自然計(jì)算的規(guī)則表達(dá)。
　　 (2)探討了模糊優(yōu)化相關(guān)概念;討論了傳統(tǒng)模糊優(yōu)化問題。重點(diǎn)研究模糊分類算法中的模糊優(yōu)化模型（基于回歸方程的模糊優(yōu)化模型和基于神經(jīng)網(wǎng)絡(luò)的模糊優(yōu)化模型）及建?；痉椒ê筒襟E。針對(duì)上述兩類模糊優(yōu)化問題，構(gòu)造了以模糊邏輯形式表示的模糊優(yōu)化模型。
　　 (3)闡述簡(jiǎn)單遺傳算法的基本思想和基本步驟。提出遺傳算法的若干改進(jìn)措施，包括改進(jìn)策略、遺傳參數(shù)適應(yīng)性調(diào)整（包括確定性的適應(yīng)性調(diào)整和自適應(yīng)的適應(yīng)性調(diào)整）

4、和沿加權(quán)梯度方向的變異。
　　 (4)詳細(xì)論述了基于回歸方程的模糊分類算法及其在飛邊尺寸設(shè)計(jì)準(zhǔn)則挖掘中的應(yīng)用。用基于回歸方程的模糊分類算法求解了飛邊尺寸設(shè)計(jì)準(zhǔn)則挖掘問題。對(duì)基于回歸方程的模糊分類算法進(jìn)行了如下分析比較:對(duì)該算法的穩(wěn)定性進(jìn)行了校驗(yàn)，并將該算法與利用最小二乘法實(shí)現(xiàn)的挖掘算法進(jìn)行了比較，結(jié)果表明，該算法速度快，精度高，穩(wěn)定性好。
　　 詳細(xì)論述了基于神經(jīng)網(wǎng)絡(luò)的模糊分類算法及其在飛邊金屬消耗設(shè)計(jì)準(zhǔn)則挖掘中的應(yīng)用。