导读:本文包含了模糊积分集成论文开题报告文献综述及选题提纲参考文献，主要关键词:数据分类,极限学习机,重复训练,模糊积分
模糊积分集成论文文献综述
翟俊海,张素芳,周昭一[1]（2018）在《用模糊积分集成重复训练极限学习机的数据分类方法》一文中研究指出用极限学习机重复训练单隐含层前馈神经网络可得到不同的网络模型.受极限学习机这一特点的启发,提出了一种用模糊积分集成重复训练极限学习机的数据分类方法.该方法分为3步:第1步,用极限学习机重复训练单隐含层前馈神经网络.在训练时,不仅输入层权值和隐含层结点的偏置随机生成,隐含层结点的个数也随机生成.第2步,用软最大化函数将训练的单隐含层前馈神经网络的输出变换为后验概率分布.第3步,用模糊积分集成重复训练的单隐含层前馈神经网络,并用于数据分类.提出的方法具有2个优点:1)网络模型具有良好的多样性,理由是重复训练得到的单隐含层前馈神经网络具有不同的结构和不同的参数.2)具有良好的泛化能力,理由是模糊积分能很好地刻画基本分类器之间的交互作用.此外,提出的方法提供了一种网络结构选择的替代方案,利用提出的方法解决实际问题时,可以不用考虑网络结构选择问题.与其他2个算法在10个数据集上进行了实验比较,实验结果及对实验结果的统计分析显示提出的算法在分类精度上优于这2种算法.(本文来源于《小型微型计算机系统》期刊2018年06期）
潘永菊[2]（2017）在《基于Adaboost集成学习和Sugeno模糊积分的显着性检测》一文中研究指出作为计算机视觉的预处理步骤,显着检测在许多图像处理任务中起着非常重要的作用。本文从超像素分类和底层特征融合的角度提出了两种显着性检测方法。第一种方法是基于Adaboost集成学习的模型。该方法包含两类显着图,一种为基于超像素对比度计算的显着图,另一种为基于超像素分类的显着图。主要步骤如下:首先,我们基于四周背景先验知识和图像本身结构来提取背景视觉信息,基于背景视觉信息对图像超像素进行对比度计算,从而得到基于对比度的显着图。其次,在同一幅对比度显着图上提取正负训练样本,将KNN作为Adaboost算法的基本分类器对其进行迭代训练,组合得到一个分类能力较强的分类器并应用于测试样本中,得到一个基于分类的显着图。最后,我们将两种显着图相结合作为该方法的最终显着图。本文的另一种方法是基于Sugeno模糊积分的显着性检测方法。该方法主要解决图像多个特征的融合问题。主要步骤如下:首先,采用图像边界概率提取前景种子,并使用基于密度聚类(DBSCAN)的方法对前景种子进行分簇以及消除噪音点。在分簇基础上利用凸包来划分图像的前景与背景区域。其次,在图像的叁个颜色特征上分别统计颜色直方图,采用贝叶斯概率模型计算每个超像素属于前景区域的概率并作为Sugeno模糊积分中的置信度。最后,基于单个颜色特征划分前景和背景的能力计算模糊测度,再采用Sugeno模糊积分公式对叁个颜色特征进行融合得到显着图。本文在叁个公开的标准数据库上,分别从定性评测与定量评测两方面对本文提出的两种方法与其他种现有方法进行了对比。依据叁个定量评测标准,本文通过实验证明了所提出的方法对图像超像素分类以及多个特征融合的合理性和有效性,并且对比其他几种检测方法,具有更准确的显着性检测结果。(本文来源于《大连理工大学》期刊2017-05-01）
杨庆渝[3]（2016）在《面向财务危机预警的动态模糊积分支持向量机集成方法及应用研究》一文中研究指出在全球经济一体化的大背景下,市场环境变得更加不确定,企业面临的财务风险也在增大。财务危机会阻碍企业的健康发展,为投资者带来损失、加剧企业员工的失业风险、增加银行信贷无法收回的可能性。如果很多企业都遭遇财务危机,这无疑会影响到国家经济发展、金融安全和社会稳定。因此,建立财务危机预警模型对企业进行预警研究变得十分必要。最初引入财务危机预警的工具是判别分析法等统计技术。随着计算机的广泛使用,机器学习方法被应用到财务危机预警中。其中,支持向量机(Support Vector Machine, SVM)受到了很多学者的亲徕。该方法是统计学习理论的分支,以结构风险最小化准则为基础。支持向量机的学习能力很强,能够在少量数据的基础上训练算法,并适应新的数据样本。其独特的核函数也为高维问题提供了很好的解决方案。但是,单纯依靠传统的财务理论知识对企业的财务状况作出判断,并不能适应现代日趋复杂的外部环境。不确定环境中,模糊积分可以作为一种极强的推理工具。利用模糊积分集成单分类器,不但能充分利用各个单分类器的优势,还能考虑分类器之间的交互作用。近些年来,模糊积分作为集成算法在财务危机预警领域得到了成功的使用,获得了诸多研究成果。以往的财务危机预警研究一般都收集公司的财务数据作为实验样本。现有研究表明,盈余管理在很多企业中普遍存在。公司很可能为了掩盖财务报表的某些纰漏或不足,而操纵盈余。因此,有盈余管理的公司的财务数据与没有进行盈余管理公司的财务财务数据具有有不同的特征。综上所述,本文提出了一种基于盈余管理和模糊积分的支持向量机集成框架。主要的研究内容如下：首先,本文使用前叁年的财务数据来预测公司目前的财务状况。根据公司是否进行了盈余管理,将每一年的样本公司分为两类,然后分别在不同的分类器上训练。然后,本文提出一种模糊测度确定和调整方法,在此基础上用模糊积分进行集成。在模糊测度的确定中,本文考虑了财务数据的一个特点：公司越近的财务数据在评估当前的财务状况时越有用。此外,使用由历史数据训练的模型预测公司目前的财务状况时,由于外部环境可能会大大改变时,所以本文根据实际情况对模糊测度进行了调整。在更新模糊测度时,本文考虑了每个单分类器的输出的可信程度、分类器输出结果之间的相似程度和分类器自身所具有的不同特性。为了验证本文所提出的新预警框架的性能,我们对中国股票上市公司的财务数据进行了实证研究。实验结果表明,在财务危机预警模型中考虑盈余管理和引入新模糊测度学习方法可以提升性能。(本文来源于《东南大学》期刊2016-06-04）
翟俊海,王熙照,张素芳[4]（2014）在《基于模糊积分的不完全小波包子空间集成人脸识别》一文中研究指出提出一种基于模糊积分的不完全小波包子空间集成人脸识别方法,并与五种相关方法进行实验比较.首先对人脸图像做不完全小波包分解,对双向低频子空间图像直接进行特征提取,对含有一个方向低频成分的高频子空间图像先求平均,再进行提取特征;然后用得到的不同子空间图像训练模糊分类器;最后用模糊积分融合训练的模糊分类器.该方法能够充分利用不同频率小波子空间图像中包含的有用信息,从而提高人脸识别的精度.在ORL、YALE、JAFFE和FERET这4个人脸数据库上进行实验,实验结果表明该方法在识别精度方面均优于五种相关方法.(本文来源于《模式识别与人工智能》期刊2014年09期）
胡莲,胡波[5]（2014）在《模糊积分SVM集成的供应链金融信用风险评估研究》一文中研究指出结合模糊积分和支持向量机理论,建立了模糊积分SVM集成的供应链金融信用风险评估模型,对评估中SVM输出重要程度难以量化的问题进行了模糊处理,提出了综合考虑核心企业信用状况和供应链关系状况的信用风险评估指标体系,通过比较分析证实了该方法具有更高的分类精度。(本文来源于《物流技术》期刊2014年09期）
王征宇,肖南峰[6]（2012）在《基于模糊积分的多神经网络集成信息融合》一文中研究指出使用模糊积分实现集成神经网络中的子分类器信息融合,提出一种更加有效和全面的模糊密度,用于模糊积分的计算。以双螺旋分类问题为实验对象,使用集成神经网络实现具有较高正确率的分类方法,对神经网络集成的有效性和各类参数的设定作实验分析,并通过多种模糊密度的比较数据说明该模糊密度函数的有效性。(本文来源于《计算机工程》期刊2012年16期）
倪渊,林健[7]（2012）在《基于Choquet模糊积分SVM集成及其实证研究》一文中研究指出为了进一步提高SVM集成的泛化能力,提出了基于Choquet模糊积分的SVMs集成方法,综合考虑各个子SVM输出重要性,避免了现有SVM集成方法中忽略次要信息的问题。应用该方法,以高校的区域经济贡献度为例进行仿真试验,结果表明基于Choquet模糊积分的SVMs集成方法较基于Sugeno模糊积分SVMs集成方法和基于投票策略的SVMs集成方法具有更高的准确性。该方法是可行、有效的,具有一定的推广价值。(本文来源于《工业工程》期刊2012年02期）
赵凯,王巍,李玮瑶[8]（2011）在《模糊积分在支持向量机集成中的应用研究》一文中研究指出研究标准支持向量机技术并对其进行改进,在支持向量机集成技术中引入模糊积分算法,进一步完善了对支持向量机的研究。(本文来源于《黑龙江科技信息》期刊2011年27期）
琚春华,陈之奇[9]（2011）在《一种挖掘概念漂移数据流的模糊积分集成分类方法》一文中研究指出针对隐含概念漂移和噪声的数据流,提出一种基于模糊积分融合的数据流分类方法(fuzzy integral ensembleclassifiers for mining data streams,FI-MDS)。将模糊积分融合方法与集成综合技术有效结合起来,首先通过基分类器对识别样例进行分类得到决策剖面,然后再用模糊积分融合方法得到最终的分类结果,同时引入动态权值更新以提高算法的适应性。实验结果表明,与传统的数据流分类算法相比,该方法提高了概念漂移的检测精度,有效地解决了数据流中复杂分类问题,具有良好的分类性和健壮性。(本文来源于《山东大学学报(工学版)》期刊2011年04期）
黄剑雄,丁建立[10]（2011）在《基于集成赋权模糊积分的信息系统风险评价》一文中研究指出信息系统风险评价是信息系统风险管理的前提。本文通过一个数学规划,将决策者给出的主观权重偏好信息与客观的决策信息有机集成,构建了改进的基于集成赋权的模糊积分评价方法用于对信息系统风险进行评价。通过对30个企业信息系统风险评价的实证研究,验证了该方法的有效性。(本文来源于《数据采集与处理》期刊2011年04期）
模糊积分集成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作为计算机视觉的预处理步骤,显着检测在许多图像处理任务中起着非常重要的作用。本文从超像素分类和底层特征融合的角度提出了两种显着性检测方法。第一种方法是基于Adaboost集成学习的模型。该方法包含两类显着图,一种为基于超像素对比度计算的显着图,另一种为基于超像素分类的显着图。主要步骤如下:首先,我们基于四周背景先验知识和图像本身结构来提取背景视觉信息,基于背景视觉信息对图像超像素进行对比度计算,从而得到基于对比度的显着图。其次,在同一幅对比度显着图上提取正负训练样本,将KNN作为Adaboost算法的基本分类器对其进行迭代训练,组合得到一个分类能力较强的分类器并应用于测试样本中,得到一个基于分类的显着图。最后,我们将两种显着图相结合作为该方法的最终显着图。本文的另一种方法是基于Sugeno模糊积分的显着性检测方法。该方法主要解决图像多个特征的融合问题。主要步骤如下:首先,采用图像边界概率提取前景种子,并使用基于密度聚类(DBSCAN)的方法对前景种子进行分簇以及消除噪音点。在分簇基础上利用凸包来划分图像的前景与背景区域。其次,在图像的叁个颜色特征上分别统计颜色直方图,采用贝叶斯概率模型计算每个超像素属于前景区域的概率并作为Sugeno模糊积分中的置信度。最后,基于单个颜色特征划分前景和背景的能力计算模糊测度,再采用Sugeno模糊积分公式对叁个颜色特征进行融合得到显着图。本文在叁个公开的标准数据库上,分别从定性评测与定量评测两方面对本文提出的两种方法与其他种现有方法进行了对比。依据叁个定量评测标准,本文通过实验证明了所提出的方法对图像超像素分类以及多个特征融合的合理性和有效性,并且对比其他几种检测方法,具有更准确的显着性检测结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊积分集成论文参考文献
[1].翟俊海,张素芳,周昭一.用模糊积分集成重复训练极限学习机的数据分类方法[J].小型微型计算机系统.2018
[2].潘永菊.基于Adaboost集成学习和Sugeno模糊积分的显着性检测[D].大连理工大学.2017
[3].杨庆渝.面向财务危机预警的动态模糊积分支持向量机集成方法及应用研究[D].东南大学.2016
[4].翟俊海,王熙照,张素芳.基于模糊积分的不完全小波包子空间集成人脸识别[J].模式识别与人工智能.2014
[5].胡莲,胡波.模糊积分SVM集成的供应链金融信用风险评估研究[J].物流技术.2014
[6].王征宇,肖南峰.基于模糊积分的多神经网络集成信息融合[J].计算机工程.2012
[7].倪渊,林健.基于Choquet模糊积分SVM集成及其实证研究[J].工业工程.2012
[8].赵凯,王巍,李玮瑶.模糊积分在支持向量机集成中的应用研究[J].黑龙江科技信息.2011
[9].琚春华,陈之奇.一种挖掘概念漂移数据流的模糊积分集成分类方法[J].山东大学学报(工学版).2011
[10].黄剑雄,丁建立.基于集成赋权模糊积分的信息系统风险评价[J].数据采集与处理.2011