超盒粒计算的模糊格代数系统

将粒表示为空间中的超盒,该超盒粒是由起点和终点组成的向量,设计超盒粒之间的合并和分解算子,构造不同粒度的超盒粒;引入正评价函数度量超盒粒之间的模糊包含关系,构造由超盒粒集、模糊包含度、合并算子和分解算子组成的超盒粒代数系统,并证明其是模糊格.该模糊格能较好地指导粒计算算法的设计.

基于模糊格的超盒粒计算分类器

粒的表示、粒之间的关系和运算是粒计算的主要研究内容.利用向量表示超盒粒,分析向量之间的偏序关系和超盒粒之间的偏序关系的不一致性,并引入保序函数消除该不一致性.利用格和其对偶格之间的非线性正评价函数和保序函数构造超盒粒之间模糊包含关系.为得到不同粒度的粒,设计超盒粒之间的合并算子和分解算子,证明由超盒粒集、超盒粒之间的模糊包含关系、合并算子、分解算子构成的代数系统是模糊格,构造基于模糊格的超盒粒计算分类器.用机器学习数据集中的分类问题,验证该分类器具有和模糊格推理分类器相同的推广能力并减少超盒粒的数量.

基于多目标优化的超盒粒计算分类算法

粒的数量和分类错误率是粒计算互相冲突的两个目标,同时最小化这两个目标是不可能的.针对此,构造了多目标优化问题,分别建立分类超盒粒数量和训练错误率两个目标,通过多目标演化算法对该多目标优化问题进行求解,从而产生一系列分类超盒粒集.随机产生初始种群,多目标演化算法通过利用演化操作和反复迭代的方法,得到供用户选取不同性能的解集.

用模糊包含度构造超盒粒分类器

如何将训练集分割成大小不一的超盒粒是粒计算领域的关键问题之一。引入非线性正评价函数并用于构造超盒粒之间的模糊包含度函数,通过粒度阈值,对两个超盒粒有条件合并,构造含有大小不同超盒粒的分类器。实验结果表明超盒粒分类器与模糊格推理分类器相比提高了测试精度,与支持向量机相比加快了训练速度且提高了测试精度。

超盒粒代数系统

研究了超盒粒的表示方法、超盒粒之间的偏序关系和超盒粒之间的运算,构造由粒集、超盒粒之间的偏序关系和算子组成的代数系统,给出了超盒粒的格代数系统的相关定理及其证明。

基于多目标优化的超盒粒计算分类算法研究

粒计算是一种看待客观世界的世界观和方法论，信息粒广泛存在于人们的现实生活中；是对现实的一种抽象，信息粒化是人类处理和存储信息的一种反映。粒的数量和分类错误率是粒计算互相冲突的目标，同时最小化这两个目标是不可能的，针对此，建立分类超盒粒的数目和训练错误率两个目标，构造成多目标优化问题，通过多目标演化算法对建立的多目标优化问题进行求解，从而得到一系列分类超盒粒集。多目标演化算法通过随机产生初始种群，利用演化操作和逐次迭代的方法，最终得到一组多目标优化问题的解集，用户可以根据需求选取合适的粒计算分类算法。