《计算机科学与探索》唯一官方网站
 首页  |  期刊介绍  |  编委会  |  投稿指南  |  道德声明  |  中图分类号  |  期刊订阅  |  联系我们  |  English
计算机科学与探索
人工智能与模式识别 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
面向最佳决策结构的置信规则库结构学习方法
杨隆浩,傅仰耿+,吴英杰
福州大学 数学与计算机科学学院,福州 350116
Structure Learning Approach of Belief Rule Base for Best Decision Structure
YANG Longhao, FU Yanggeng+, WU Yingjie
College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116, China
 全文: PDF (916 KB)   HTML (1 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 针对置信规则库中初始结构不合理的问题,现有的解决方法仍存在不具备可重复性或受数据完备性和等级效用值相关联的制约等方面的不足。鉴于此,对置信规则库的参数学习进行了理论分析和实验验证,总结出不合理结构下置信规则库中易出现结构欠完备问题或结构过完备问题;将DBSCAN算法和误差分析嵌入到现有参数学习方法中用于解决上述问题,进而提出了面向最佳决策结构的结构学习方法;通过实验分别在过完备结构和欠完备结构的置信规则库下验证了新方法,并对比了结构改变时误差的变化。实验结果表明所提方法是有效可行的。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
杨隆浩
傅仰耿
吴英杰
关键词置信规则库(BRB)   结构学习   DBSCAN算法   误差分析     
Abstract: For the problem of irrational initial structure of belief rule base (BRB), the existing solving approaches still have deficiencies in many aspects such as non-repeatability, the completeness of data and the constraint with the associated level utility. In view of this, through theoretical analysis and experimental verification for parameter learning approaches of BRB, this paper summarizes that the irrational structure of BRB may lead to the problem of over-complete or incomplete structure. This paper takes the application of DBSCAN algorithm and error analysis to the existing parameter learning methods, and brings forth the structure learning approach for best decision structure. The experiments verify the new approach under over-complete and incomplete structures of BRB, and make a comparative analysis of the changes of error when the structure is varying. The results show the feasibility and effectiveness of the proposed approach.
Key wordsbelief rule base (BRB)   structure learning   DBSCAN algorithm   error analysis   
引用本文:   
杨隆浩,傅仰耿,吴英杰. 面向最佳决策结构的置信规则库结构学习方法[J]. 计算机科学与探索, 2014, 8(10): 1216-1230.
YANG Longhao,FU Yanggeng,WU Yingjie. Structure Learning Approach of Belief Rule Base for Best Decision Structure[J]. Journal of Frontiers of Computer Science and Technology, 2014, 8(10): 1216-1230.
链接本文:  
http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1403062
 
没有找到本文相关图表信息
没有本文参考文献
[1] 吴伟昆,杨隆浩,傅仰耿,张立群,巩晓婷. 基于加速梯度求法的置信规则库参数训练方法[J]. 计算机科学与探索, 2014, 8(8): 989-1001.
[2] 杨静,高嘉伟,梁吉业,刘杨磊. 基于数据场的改进DBSCAN聚类算法[J]. 计算机科学与探索, 2012, 6(10): 903-911.
[3] 何文慧, 李凡长+ . 李群深层结构学习算法研究*[J]. , 2010, 4(7): 646-653.
版权所有 © 《《计算机科学与探索》唯一官方网站》编辑部
通信地址: 北京619信箱26分箱 邮编: 100083 电话: (010)89056056, 89056055 E-mail: fcst@vip.163.com
技术支持:北京玛格泰克科技发展有限公司
京ICP备13024263号-1