导读:本文包含了模糊系统可解释性论文开题报告文献综述及选题提纲参考文献，主要关键词:分类,粒子滤波,贝叶斯推理,Mamdani-Assilan型模糊系统
模糊系统可解释性论文文献综述
顾晓清,王士同,倪彤光,蒋亦樟[1]（2018）在《具有强解释性的贝叶斯MA型模糊系统》一文中研究指出提出用于规则前件学习的中心点交叉涌现的大间隔贝叶斯模糊聚类(CECLM-BFC)算法.考虑不同样本间聚类中心的排斥作用使得聚类中心间距最大化,并采用粒子滤波方法在不同类别样本中交替执行,自动求解出最优聚类结果,包括聚类数、模糊隶属度和聚类中心.在模糊规则后件参数学习上使用分类面大间隔的策略,以MA型模糊系统为研究对象构造具有强解释性的贝叶斯MA型模糊系统(BMA-FS).实验结果表明,BMA-FS能够取得令人满意的分类性能,且模糊规则具有高度的解释性.(本文来源于《控制与决策》期刊2018年01期）
纪红,齐芳,马铭[2]（2015）在《一种基于解释性的遗传模糊分类系统设计方法》一文中研究指出讨论了基于词语计算的模糊规则生成方法在遗传模糊分类系统中的应用,提出了一种新的遗传模糊分类系统的设计方法,在算法的变异过程中基于词语计算引入4个变异算子,对模糊隶属函数的形状进行调整,扩大算法的搜索空间,实验结果表明算法在保证了系统解释性的同时达到了较好的分类准确率.(本文来源于《北华大学学报(自然科学版)》期刊2015年04期）
李继东[3]（2011）在《遗传模糊分类系统构建中规则获取和解释性优化的关键技术研究》一文中研究指出使用遗传算法对基于规则的模糊分类系统进行学习和优化是模式分类中的一个重要分支,在具有非精确和非确定信息的分类应用中具有重要的理论和应用价值。该类方法在复杂环境中面临着两个挑战：一是遗传算法的搜索效率导致的准确性问题,二是分类规则集的复杂程度导致的解释性问题。这两个问题直接制约了系统在现实中的应用。本文围绕着这两个问题展开研究,主要的研究工作体现在以下叁个方面。(1)按照词语计算的概念,对分类规则采用词语的形式进行描述。根据5个原子词语及给出的4个语言限定的相似性变换方法构成分类规则的模糊隶属函数,采用语言建模的方法,使规则的条件设置符合人类推理的机制。在此基础上,设计了将专家知识融入系统构建过程中的方法,并根据传统的遗传机器学习方法,给出了以准确性为目标的模糊规则自动获取的算法,包括编码、适应度函数、遗传操作及一些特殊策略。(2)针对遗传算法在高维及不平衡数据分布的情况下难以进行全局搜索的问题,将共享和排挤两类小生境技术应用于模糊规则的学习中,获取较优的特征属性或分类边界。对传统机器学习方法的搜索能力进行分析,据此给出模糊规则之间相似度(距离)的度量,采用适应度共享和确定性排挤,减轻典型算法选择机制对低适应值的个体的选择压力,保持种群的多样性,从而保证算法对整个问题空间的有效搜索。同时,预先缓存各语言词语间的相似性值,减少算法运行中规则间相似度的计算量。实验采用构造出的一系列分类数据分布以及标准的测试数据集对传统和基于小生境的学习方法进行测试,表明引入了小生境的学习算法能在高维及不平衡的数据分布上获取比传统方法准确率较高的模糊分类规则。(3)阐述了解释性的各指标,分析了系统构建过程的不同阶段中对各指标的要求。针对语言建模的方法仍需以合适的模糊规则数目、规则条件数目以保证良好解释性的问题,结合准确性将基于相似性简化和基于Pareto的NSGA-Ⅱ的多目标优化算法应用于模糊分类系统的优化。简化算法以聚集函数法将多目标转换为单目标,对已有的模糊规则集进行优化,而NSGA-Ⅱ算法以Pareto秩作为适应度值,通过对训练数据集的直接学习而能产生不同的非支配解集,提供不同的折衷方案供决策者进行选择。通过在标准测试集上的实验,将本文的方法与C4.5及GP-COACH方法进行比对及分析各方法的性能。(本文来源于《云南大学》期刊2011-10-01）
邢宗义,张永,侯远龙,贾利民[4]（2006）在《基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计》一文中研究指出提出一种基于模糊聚类和遗传算法的模糊分类系统的设计方法.首先定义了模糊分类系统的精确性指标,给出解释性的必要条件.然后利用聚类有效性分析确定模糊规则数目,利用模糊聚类算法辨识初始的模糊分类系统.随后利用模糊集合相似性分析与融合对初始的模糊分类系统进行约简,提高其解释性;利用遗传算法对约简后的模糊分类系统进行优化,提高其精确性,该过程反复迭代直至满足中止条件.最后利用该方法进行Iris数据样本分类,仿真结果验证了该方法的有效性.(本文来源于《电子学报》期刊2006年01期）
阎岭,郑洪涛,蒋静坪[5]（2005）在《基于进化策略生成可解释性模糊系统》一文中研究指出模糊系统的可解释性明显优于其他人工智能方法 ,却长期没有引起人们足够的注意 .本文对模糊系统的可解释性作了深入的分析 ,定义了最简约模糊划分、模糊划分的完备 清晰性、模糊规则的完备性、紧凑性和一致性 ,并将其加入到进化策略的适值函数中 ,用于优化模糊系统 .仿真试验表明 ,即使在先验知识较少的情况下 ,该方法依然可以设计出具有较好系统响应性能和较高可解释性的模糊系统 .(本文来源于《电子学报》期刊2005年01期）
王瀚漓[6]（2003）在《多目标进化算法对模糊系统解释性的研究应用》一文中研究指出本论文以模糊系统的解释性为研究目标。首先，提出了与模糊系统解释性有关的重要概念。其次，提出了一种基于智能体的多目标进化算法从外部训练数据提取模糊规则，在知识提取的过程中，既要考虑规则的精确性，又要考虑规则的解释性。最后，基于智能体的进化算法补应用于非线性系统模拟问题和分类问题中。实验结果表明，此种基于智能体的进化算法可以得到多个模糊系统解，同其他方法比较，我们方法产生的模糊系统有更好的解释性和更高的或可比拟的精确性。 第一章综合论述了本文工作的意义，提出了本文的研究背景，研究的主要内容和目标，及主要创新点。 第二章对模糊系统作了简要地介绍，提出了模糊系统解释性的6项重要概念并加以详细阐述，分别是完全性和可区分性、一致性、紧凑性、效用性、交叉性和覆盖性。 第叁章介绍了二进制遗传算法和实值遗传算法的一些重要概念和算子，并引入了对分层遗传算法的讨论。分层遗传算法可以用于结构优化，并已被应用于优化模糊系统。 第四章对多目标进化算法作了简要的介绍，并回顾了其发展历史，最后对第二代多目标进化算法中的NSGA-Ⅱ作了详细介绍。NSGA-Ⅱ被用于我们提出的基于智能体的进化算法中，用来评价模糊集智能体的生存能力。 第五章详细介绍了基于智能体的进化算法的实现细节，包括智能体的内部行为和多个智能体的交互机制等。 第六章给出了5个实际问题的实验结果。分别是二阶非线性工厂模型，Lorenz系统，Mackey-Glass时间序列，Iris数据集和Wine数据集。前3个用于研究非线性系统模拟问题，后2个用于研究分类问题。 最后，在第七章概括论述了本文的主要结论，并且对进一步的研究工作进行展望。(本文来源于《浙江大学》期刊2003-11-01）
模糊系统可解释性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
讨论了基于词语计算的模糊规则生成方法在遗传模糊分类系统中的应用,提出了一种新的遗传模糊分类系统的设计方法,在算法的变异过程中基于词语计算引入4个变异算子,对模糊隶属函数的形状进行调整,扩大算法的搜索空间,实验结果表明算法在保证了系统解释性的同时达到了较好的分类准确率.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊系统可解释性论文参考文献
[1].顾晓清,王士同,倪彤光,蒋亦樟.具有强解释性的贝叶斯MA型模糊系统[J].控制与决策.2018
[2].纪红,齐芳,马铭.一种基于解释性的遗传模糊分类系统设计方法[J].北华大学学报(自然科学版).2015
[3].李继东.遗传模糊分类系统构建中规则获取和解释性优化的关键技术研究[D].云南大学.2011
[4].邢宗义,张永,侯远龙,贾利民.基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计[J].电子学报.2006
[5].阎岭,郑洪涛,蒋静坪.基于进化策略生成可解释性模糊系统[J].电子学报.2005
[6].王瀚漓.多目标进化算法对模糊系统解释性的研究应用[D].浙江大学.2003
标签：分类; 粒子滤波; 贝叶斯推理; Mamdani-Assilan型模糊系统;