动态模糊谓词逻辑关系学习算法及其应用研究

论文摘要

机器学习是人工智能的核心组成部分。关系学习作为机器学习的一种新方法,主要致力于寻找学习任务内部之间的关联来找出相应的学习规则。动态模糊谓词逻辑关系是处理动态模糊关系的理论基础之一。因此,本文针对动态模糊关系问题,运用动态模糊谓词逻辑的方法来研究关系学习问题。取得的成果主要包括:(1)提出了动态模糊矩阵表示的基本概念以及动态模糊矩阵的运算性质,包括动态模糊矩阵的乘积以及乘积性质。(2)提出了动态模糊谓词关系学习新方法,它能够解决未知信息缺乏情况下的学习问题。(3)实现了一个简单的人脸识别系统,用动态模糊谓词关系学习算法提高了该系统的学习能力。通过本文的研究以及实验,证实了用动态模糊谓词关系来处理学习问题的可行性,并且取得了良好的效果。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 动态模糊逻辑（DFL）研究综述
• 1.2 关系学习综述
• 1.2.1 关系学习概述
• 1.2.2 关系学习算法
• 1.3 问题提出及内容安排
• 第二章 动态模糊逻辑（DFL）矩阵表示
• 2.1 逻辑的矩阵表示
• 2.2 DFL 的矩阵表示
• 2.3 DF 矩阵的性质
• 2.3.1 DF 矩阵的运算性质
• 2.3.2 DF 矩阵的乘积
• 2.4 本章小节
• 第三章 动态模糊（DF）谓词逻辑关系学习算法
• 3.1 DF 命题逻辑
• 3.1.1 DF 命题逻辑概念
• 3.1.2 DF 命题公式的范式
• 3.1.3 DF 命题逻辑的推理理论
• 3.1.4 DF 命题逻辑关系学习算法
• 3.2 DF 谓词逻辑
• 3.2.1 DF 谓词定义
• 3.2.2 DF 谓词逻辑表示
• 3.3 DF 谓词逻辑关系学习算法
• 3.3.1 问题描述
• 3.3.2 学习过程
• 3.4 实例应用
• 3.5 本章小结
• 第四章 应用研究—人脸识别
• 4.1 人脸识别系统
• 4.1.1 问题描述
• 4.1.2 系统设计
• 4.2 特征提取
• 4.2.1 系统框图
• 4.2.2 预处理
• 4.2.3 粗定位与细定位
• 4.3 算法设计
• 4.4 算法过程
• 4.5 实验结果
• 4.6 本章小节
• 第五章 总结与展望
• 5.1 论文总结
• 5.2 工作展望
• 参考文献
• 附录
• 科研情况
• 攻读硕士学位期间论文发表情况
• 中英文名词对照
• 致谢