基于克隆算法的模糊规则提取及其应用研究

论文摘要

对于一个分类问题,分类之前我们必须首先对被分类事物进行特征提取,再根据特征来实现其分类。而无论用哪种手段哪种方法提取的特征值一般情况下都是没有明确界限的、模糊的,这就为我们的问题解决带来了一定的困难。而模糊逻辑则正是一种建立在自然语言基础上并模拟人类的模糊思维来描述和解决该类问题的有力工具,其核心是依据学习样本特征所建立的模糊规则集合。传统上模糊规则的提取都是通过专家经验人工提取的,这是一个相当繁琐的工作,对于分类问题,所提取的规则不仅在分类能力上要达到最优,同时在各分类规则之间的关系上也要达到最优,这就是人工提取规则的困难所在。目前用于解决分类问题的模糊规则的提取方法还比较少,本文则结合人工免疫系统的克隆选择原理,采用克隆算法,提取通过多精度模糊分割产生的大量模糊if-then 规则中的少数精华规则,从而建立了模糊分类所需要的有效规则集合。由该方法所提取的模糊规则具有分类准确率高,规则数目较少,识别时间短的特点。为了检验该方法的性能,我们还将该方法用于车辆感应波形的分类研究,其结果是令人满意的。本文所采用的克隆算法包含两个最为重要的过程,一个是高频变异,另一个是受体编辑,高频变异负责局部寻优的微观调控,而受体编辑则进行宏观控制保证全局寻优的实现,二者保持抗体种群的多样性,在功能上互相补充,使抗体和抗原的亲和力快速成熟。另外,在我们将该规则提取方法应用于特征波形的分类问题研究中,对该具体问题涉及到的特征提取进行了研究,通过小波分解提取了车辆感应信号关于小波能量、均值、方差的四个特征,在一定程度上保证了识别的准确率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 模糊规则自动提取方法概述及问题提出
• 1.3 免疫理论的新发展
• 1.4 本文方法概述
• 1.5 论文的结构安排
• 第二章 克隆选择原理及克隆算法
• 2.1 引言
• 2.2 克隆选择原理
• 2.2.1 免疫学习和免疫记忆
• 2.2.2 亲和力成熟
• 2.3 克隆算法
• 2.3.1 算法中的符号说明
• 2.3.2 克隆算法的优化过程
• 2.4 克隆选择与进化计算
• 2.5 小结
• 第三章 基于克隆算法的模糊IF-THEN 规则提取
• 3.1 if-then 模糊规则
• 3.1.1 模糊if-then 规则形式
• 3.1.2 模式空间的划分
• 3.1.3 模糊规则的信度
• 3.2 多精度模糊分割的规则产生方法
• 3.3 基于克隆算法的模糊规则提取过程
• 3.3.1 亲和力函数的建立
• 3.3.2 抗体编码及解码
• 3.3.3 克隆算法的操作
• 3.4 克隆算法中可变参数的灵敏度
• 3.4.1 可变参数n的灵敏度
• c 的灵敏度'>3.4.2 可变参数N_c的灵敏度
• 3.4.3 可变参数d 的灵敏度
• 3.5 小结
• 第四章 基于克隆算法的模糊规则提取在车型分类中的应用
• 4.1 引言
• 4.2 基于感应线圈的车辆信息提取技术
• 4.3 基于车辆感应信号的小波分解特征提取
• 4.3.1 小波变换及基于小波分解的能量特征
• 4.3.1.1 小波变换
• 4.3.1.2 基于小波分解的能量特征
• 4.3.2 车辆感应曲线的特征提取
• 4.4 基于克隆算法的模糊规则提取在车型分类中的应用
• 4.4.1 样本数据预处理
• 4.4.2 车型特征的多维模式空间分割
• 4.5 算法执行
• 4.5.1 算法收敛性效果
• 4.5.2 算法分类准确率及其稳定性
• S'>4.5.3 最终提取的最佳车型识别规则集OPT S
• 4.5.4 单模糊分割精度下规则集的分类能力
• NCP和W_S 的比值对于规则提取个数及分类能力的影响'>4.5.5 W_NCP和W_S的比值对于规则提取个数及分类能力的影响
• 4.5.6 讨论
• 4.6 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间发表的论文