發(fā)布時間：2020-12-06 07:34

　　模糊認知圖(Fuzzy Cognitive Maps,FCMs)是一種結合了模糊邏輯和神經(jīng)網(wǎng)絡的推理網(wǎng)絡。隨著越來越多的模糊認知圖學習算法地提出,模糊認知圖已被廣泛應用于各種領域的系統(tǒng)建模。但由于其較大的搜索空間維度,大部分算法僅能用于學習小規(guī)模模糊認知圖,且學習到的模糊認知圖網(wǎng)絡密度通常要比真實的網(wǎng)絡密度更稠密。模糊認知圖學習的目標是從觀測響應序列數(shù)據(jù)中挖掘出概念間潛在的因果強度關系,這要求學習算法不僅能夠確定節(jié)點間邊的存在性,還要優(yōu)化邊的權值。本文主要針對模糊認知圖學習問題,就模糊認知圖學習算法及應用做了深入的研究:1.提出了基于實驗決策與評價方法的實數(shù)編碼遺傳算法學習模糊認知圖。在提出的算法中,利用矩陣信息知識,將實驗決策與評價方法建模為一個有向鄰域搜索算子將搜索引導到目標空間的正確方向,使搜索跳出局部最優(yōu)。實驗部分,通過在不同規(guī)模的人工數(shù)據(jù)和真實數(shù)據(jù)上的實驗對算法進行測試。與現(xiàn)有算法的比較表明,提出的算法能夠在缺乏專家知識的情況下以更高的準確度學習模糊認知圖。2.提出了基于互信息的兩階段Memetic算法學習大規(guī)模模糊認知圖,并將其應用于基因調控網(wǎng)絡的重建中。在提出的算法中,第... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

PMADinfo-FCM的算法框架示意圖

第四章 基于信息論的兩階段分解式 Memetic 并行算法的大規(guī)模模糊認知圖學習4.2.2 PMADinfo-FCM 算法描述為了進一步優(yōu)化算法在大規(guī)模模糊認知圖學習問題上的性能，我們提出了基于信息論的兩階段分解式 Memetic 算法并行學習大規(guī)模模糊認知圖。PMADinfo-FCM 算法包括信息學習階段和分解式 Memetic 算法并行學習階段，其中信息學習階段主要應用信息論（自信息、互信息）的知識來確定模糊認知圖模型的網(wǎng)絡結構，分解式 Memetic算法并行學習階段主要用來快速高效的優(yōu)化非零邊的權值。圖 4.1 給出了PMADinfo-FCM 的算法框架示意圖。


本文編號：2900977