內容提要
《模糊分類模型及其集成方法》可以作為高等學校計算機專業碩士生和博士生研究模式分類方向的參考書，也可以供從事模式識別、模糊分類及多分類器集成等領域研究的人員參考。
目錄
1緒論
1.1模糊分類研究的背景
1.2模糊分類研究的目的
1.3模糊分類相關的研究
1.3.1精簡模糊規則數量的方法研究
1.3.2模糊分類識別率的提高方法研究
1.4模糊分類研究的內容
2模糊分類、核函式方法及支持向量機
2.1模糊分類
2.1.1模糊IF-THEN分類規則
2.1.2隸屬度函式
2.1.3模糊劃分
2.1.4基於模糊劃分的分類規則產生
2.2核函式
2.3支持向量機理論
2.3.1線性情況
2.3.2非線性情況
3基於模糊核超球感知器的模糊分類模型
3.1核感知器及超球感知器
3.1.1核感知器
3.1.2超球感知器
3.1.3核超球感知器
3.2模糊核感知器
3.2.1模糊感知器
3.2.2模糊核感知器
3.3基於模糊核超球感知器的模糊分類模型
3.3.1模糊核超球感知器
3.3.2基於模糊核超球感知器的模糊分類模型
3.3.3FCMBFKHP模型分類規則的生成
3.4模糊IFTHEN規則的調整
3.4.1調整策略分析
3.4.2調整邊界分析
3.4.3規則調整算法
3.5實驗結果分析
3.5.1核函式及參數對超球產生的影響實驗
3.5.2分類識別率比較實驗
4基於進化式核聚類的模糊分類模型
4.1核聚類方法
4.2基於支持向量的聚類
4.3基於進化式核聚類的模糊分類模型
4.3.1FCMBEKC分類模型結構
4.3.2進化式核聚類算法
4.3.3模糊分類規則的創建及分類推理
4.3.4進化式核聚類算法中簇半徑閾值的討論
4.4基於遺傳算法的模糊IF-THEN規則的調整
4.4.1基因編碼
4.4.2適應度函式
4.4.3增強信息的確定
4.4.4遺傳操作
4.5實驗結果分析
4.5.1基於Wine數據集的實驗
4.5.2基於手寫體數字識別數據集實驗
5基於支持向量機的模糊分類模型
5.1模糊支持向量機的研究現狀
5.1.1第一種模糊支持向量機
5.1.2第二種模糊支持向量
5.2基於支持向量機的模糊分類模型
5.2.1FCMBSVM的基本思想
5.2.2FCMBSVM模型結構
5.2.3隸屬函式的選擇
5.2.4核函式證明
5.2.5參數ak和b的求解
5.2.6模型幾何特性
5.3FCMBSVM模型參數分析
5.3.1懲罰參數C
5.3.2隸屬函式參數
5.4基於FCMBSVM模型的多類分類
5.4.1模糊IF-THEN規則表達式
5.4.2參數akm及bm的求解
5.5實驗結果分析
5.5.1雙螺旋線實驗
5.5.2基於Image數據集實驗
5.5.3多類分類實驗
6基於模糊積分的多分類器集成方法
6.1多分類器集成
6.1.1多分類器集成研究的產生和現狀
6.1.2分類器輸出信息描述
6.1.3多分類器集成類型
6.1I4基於度量級信息的並聯式集成方法
6.2模糊測度及模糊積分理論
6.2.1模糊測度和g模糊測度
6.2.2模糊積分
6.3基於模糊積分的分類器集成方法
6.3.1關於個體分類器生成
6.3.2分類器集的選擇
6.3.3基於隸屬度矩陣的模糊積分密度的確定
6.3.4多分類器集成方法
6.4實驗結果分析
6.5小結
7基於模糊分類方法的網路流量分類
7.1基於機器學習方法的網路流量分類研究
7.1.1網路流量分類
7.1.2網路流量分類研究的意義及現狀
7.1.3網路流量分類構建框架
7.2網路流量樣本採集及特徵產生
7.2.1網路流量採集
7.2.2流及流的候選特徵形成
7.2.3流量樣本類型自動標誌
7.3網路流量特徵選擇
7.3.1特徵選擇概述
7.3.2流特徵產生方法
7.4基於模糊分類方法的網路流量分類器構建
7.4.1分類器構建
7.4.2分類器性能評測
7.5實驗分析
7.5.1特徵選擇實驗
7.5.2分類實驗
8結論及進一步的工作
8.1結論
8.2進一步的工作
參考文獻
……
序言
分類系統在生活與工程領域一直扮演著相當重要的角色，具有廣泛的套用價值，分類系統的設計與套用一直受到重視。模糊分類是模糊集合理論的一個重要套用。模糊分類規則被廣泛認為是分類知識較好的表示，與人類表達的知識類似，具有可讀性和解釋性。模糊分類在圖像處理、文字識別、語音識別、文本分類、遙感、氣象及工業自動化控制等許多領域得到廣泛套用。
本書主要圍繞解決模糊劃分和模糊分類規則的自動產生，分類規則的表達式，分類規則的調整以及分類識別率的提高等模糊分類研究中的關鍵問題來進行描述，從核方法、聚類、支持向量機以及分類器集成等不同的角度、方法和技術，探索解決這些關鍵問題的思路和方法。
本書共分8章，在介紹了模糊分類研究的背景、目的、相關研究以及模糊分類、核函式及支持向量機等相關知識之後。接下來的4章，分別介紹了提出的三種模糊分類模型及一種分類器集成方法。在對基於模糊核超球感知器的分類模型的介紹中，主要介紹模糊核超球感知器學習算法、分類模型的結構、分類規則的表示、隸屬函式、分類規則學習算法及實驗結果分析。在基於進化式核聚類的模糊分類模型的介紹中，主要介紹了進化式核聚類算法、分類模型的結構、模糊分類規則、隸屬函式、規則學習算法及實驗結果分析。在基於支持向量機的模糊分類模型的介紹中，主要介紹了分類模型的基本思想、模型的分類規則表達式及分類規則選擇準則。對基於模糊積分的分類器集成方法的介紹中，主要介紹了分類器集的選擇方法、模糊積分密度的確定方法以及分類器集成的算法。
文摘
1 緒論
分類系統在生活與工程領域一直扮演著相當重要的角色，語音識別、手寫辨識、身份辨識等都是分類系統探討的範圍。正因為具有如此廣泛的套用價值，所以分類系統的設計與套用一直受到重視。一般來說，真實的分類事件往往包含許多的不確定性，所以模糊分類就更適合實際分類問題的套用。模糊劃分和模糊分類規則的自動產生，分類規則的表達式，分類規則的調整以及分類識別率的提高是模糊分類模型研究的關鍵問題。為了研究這些問題，本書提出了三種模糊分類模型和一種模糊分類器多分類集成方法，從不同的角度，利用不同的方法和技術，探索解決上述問題的思路和方法。本章主要介紹模糊分類研究的背景、目的、現狀以及內容組織。
1.1 模糊分類研究的背景
模糊集合(flJzzy sets)理論是由美國加州伯克萊分校L．A．Zadeh教授1965年提出的概念，用來處理模糊不清、不嚴密和不明確的問題。其主要特點是將明確集合(crisp sets)加入模糊的觀念，並用模糊集合來描述輸入模式空間，即利用輸入空間的模糊子集合或模糊規則來描述複雜或不確定的系統。模糊集合用隸屬度(membership degree)來表示元素屬於集合的程度，隸屬度在0到1之間取值。這改變了傳統數學二值邏輯的明確集合表示，將之擴展為連續多值的模糊集合表示，並使之接受具有模糊現象存在的事實。
