English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 49378/84106 (59%)
造訪人次 : 7375340      線上人數 : 37
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/96045


    題名: 以K-Means為基礎及具有規則刪減之模糊分類器設計
    作者: 翁慶昌;陳嘉欉;葉士良
    貢獻者: 淡江大學電機工程學系
    關鍵詞: K均值;模糊分類器;模糊系統;訓練資料;模糊規則;群集;辨識;K-Means;Fuzzy Classifier;Fuzzy System;Training Data;Fuzzy Rule;Cluster;Recognition
    日期: 2000-11
    上傳時間: 2014-02-13 11:38:42 (UTC+8)
    摘要: 本論文提出一個有效且簡易的方法來設計模糊系統,其可以快速地從訓練資料中擷取出模糊規則並能對訓練資料達到100%的分類辨識率。首先我們提出一個以K-Means為基礎的模糊分類器設計方法。整個模糊分類器的訓練方法如下:一開始先利用我們所提的以K-Means為基礎的群聚分析方法來將每一類別的訓練資料分成數個群聚,計算每個群聚的中心位置與半徑大小並計算所含資料點的多寡。聚類完成後,對每一個群聚我們使用一條模糊規則來對應,接著整合所有的規則來架構出整個模糊系統來對資料做正確的分類。完成分類器後,我們更進一步地探討在不降低訓練資料之辨識率的前提下,對所建立的模糊系統做規則刪減的動作,其目的在於降低整個分類器的複雜性且加快線上辨識的速度。最後我們利用了幾個不同分布情形的資料來對所提的模糊分類器進行測試,經由多次電腦模擬的結果可以得知,所提的方法對測試資料均有不錯的效能。
    關聯: 第五屆人工智慧與應用研討會=Proceedings of the Fifth Conference on Artificial Intelligence and Applications,頁604-609
    顯示於類別:[電機工程學系暨研究所] 會議論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    以K-Means為基礎及具有規則刪減之模糊分類器設計_中文摘要.docx15KbMicrosoft Word98檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋