基于商空间的构造性学习算法研究
需积分: 10 104 浏览量
2009-12-02
22:58:56
上传
评论
收藏 2.68MB PDF 举报
太原理工大学硕士研究生学位论文
基于商空间的构造性学习算法研究
摘 要
粒计算的目的是建立一种体现人类问题求解特征的一般模型，其基本
思想是在不同的粒度层次上进行问题求解。粒是粒计算的最基本的原语，
它是一簇点（对象、物体）由于难以区别，或相似、或接近、或某种功能而
结合在一起所构成的。
从粒计算的角度来看，问题求解的商空间理论用拓扑来描述论域的结
构、用等价关系来完成粒化，借助于自然映射实现在不同粒度层次上的转
换 。
商空间理论作为一种问题求解的方法，有着坚实的理论基础，它采用
多侧面、多角度的问题求解方法，可以在解决问题时缩小求解难度，降低
计算量。商空间理论把定性的思维和定量的分析有机地统一起来，合理地
对复杂问题进行粒度描述，把复杂问题分解为可求解的、不同粒度的学习
规则，然后再合成相关的规则，最终得到复杂问题的综合规则。
传统的基于距离或相似度的聚类算法一般都基于 “特征矢量”的方法，
这种方法并不适宜用来处理个体数据。往往由于进行了数据矢量转化操作
而造成信息丢失，最终可能会导致聚类结果的不准确。
覆盖方法最优之处在于覆盖领域完全真实地反映了样本的分布情况，
本文中分析了覆盖算法中需要进一步研究的三个问题：第一个是对该算法
识别的正确率与泛化能力之间矛盾的解决，第二个是如何改进覆盖方法，
剩余66页未读，继续阅读
评论0
最新资源