关键词： 机器学习方法   神经网络   模糊系统   支持向量机   统计学习理论  

摘要： 学习是人类的基本智能活动,学习能力是人类智能的根本特征。学习是指系统为了适应环境而产生的某种长远变化,这种变化使得系统能够更有效地在下一次完成同一或同类工作。机器学习是指机器(计算机或智能机)在人工智能系统中模拟并实现各种学习行为的过程。传统的机器学习方法主要有神经网络、小波网络、模糊系统、贝叶斯分类器和模糊划分、及建立在统计学习理论基础的新的通用机器学习方法---支持向量机。本文以三种主要的机器学习方法神经网络、模糊系统、支持向量机为主,在介绍了机器学习方法的基础理论和神经网络、模糊系统、支持向量机的机理后,主要从它们相互之间的区别、内在一致性、以及它们相互结合三个方面分别分析研究了这三种机器学习方法的内在联系,并试图寻求一种机器学习方法的统一途径。最后得出了正则加权径向基函数这种统一的机器学习方法的结论,在统一机器学习方法方面做了有益的尝试。 论文分为以下几个部分:第一章是绪论部分,主要包括引言、研究背景、本论文研究的学术意义以及工作内容等方面的内容。第二章介绍神经网络知识及机理,第三章介绍模糊系统知识及机理。第四章介绍支持向量机知识及机理。第五章研究分析了神经网络和模糊系统的内在联系。第六章研究分析了神经网络和支持向量机的内在联系。第七章研究分析了模糊系统和支持向量机的内在联系。第八章阐述了神经网络、模糊系统、支持向量机的统一途径,并且构建了正则加权径向基函数这种新的统一的机器学习方法。第九章为结束语。

关键词： 隐马尔科夫模型   基因识别   EM算法   Viterbi算法   机器学习方法  

摘要： 随着基因组研究的发展,利用机器学习方法进行基因识别被广泛使用,这些方法包括神经网络算法、基于规则的方法、决策树、概率推理等。文章描述了一种基于隐马尔科夫模型的基因识别系统,介绍了EM训练算法和Viterbi序列分析算法,该系统运用Burset&Guigo的公共数据集进行测试,核苷识别的Sn和Sp两个参数分别可以达到68%和88%,外显子识别的Sn和Sp参数达到60%和63%。

关键词： Rough集   机器学习   知识库   第二次学习   人工智能  

摘要： 　对于机器学习,知识库的扩充一直是个热门话题,很多人对之投入了大量的精力从各个方面,用各种方法研究。从Rough集理论知识规则+经验的方法,引用第二次学习的概念,实行知识库的扩充。

关键词： 机器学习   机器翻译   类比推理   归纳学习  

摘要： 在智能技术的研究中,从例子中学习和类比学习是两种好方法。第一部分研究了两种机器学习方法;第二部分讨论了类比机器翻译方法。

关键词： 机器学习   统计系综学习方法   推广能力   稳定性   失配问题   数据选择   野点问题  

摘要： 该文主要致力于研究机器学习(Machine Learning)中的统计系综学习方法(Statistical Ensenble Learning Method)和数据层面的若干问题.对一个实际的机器学习问题而言,研究者们发现,大多数情况下,任何单一的学习方法均无法很好地解决问题,并且很可能使得学习过程的复杂度急剧提升.统计系综学习方法正是针对这一问题而展开研究的,从而迅速成为机器学习领域前沿研究热点之一.其主要思想是通过多个性能平平且复杂度较低的学习过程的融合来实现性能良好的学习过程.机器学习问题的研究主要面临两个层面的挑战,即数据层面和学习机构造层面.数据层面的研究主要是回答如何基于完整的能反映数据样本空间性质的小样本数据来构造与该给定数据复杂度相匹配的学习机.由于绝大多数机器学习问题是基于数据驱动的,数据层面的研究就显得至关重要,任何脱离对数据深入分析的学习过程都将注定不会取得好的学习性能.然而,在机器学习领域,目前绝大多数研究主要是围绕学习机层面的问题而展开,故该研究对于机器学习领域的发展有相当意义.

关键词： 机器学习   人工智能   非精确环境   抗噪声   不完整数据  

摘要： 机器学习是当前人工智能和计算机领域研究的一个重要分支，并且得到了广泛的应用。但传统的学习方法研究的前提侧重于理想环境，即：在学习过程前，环境是精确的，易于描述的；在学习过程中，训练数据是完整的，所含噪声极少、甚至没有。但现实世界并非如此，往往专家知识是模糊的，难以描述的：训练数据受噪声干扰，出现畸变；训练数据缺少某些属性。即机器学习是往非确定性的环境下进行的。\n 本文主要研究此种情况下Agent的学习机制，力图使Agent的学习能力更强，适应性更好。本文提出了一系列解决方法，主要研究非精确的、动态的、含噪声的、数据不完整的环境下的机器学习问题。\n 本文主要研究工作和取得的成果包括：\n (1)分析非精确环境的建模，以模糊极小极大神经网络为核心构造一个模糊神经网络系统。对于大多数工程应用来说，有两种重要的信息来源：提供系统性能描述的专家及提供测量数据的传感器。其中，来自专家的信息通常为语言信息，常用文字表示，这类信息一般不太精确。本文利用模糊逻辑结合神经网络解决这一问题，并把有关技术应用于机器人仿真足球队NDSocTeam的射门和体力控制设计。\n (2)分析噪声对训练数据的影响，研究抗噪声的学习方法。噪声对PAC学习的影响，分为两种情况：各个属性受干扰的概率一样或不一样。本文研究了PAC学习对噪声承受能力的上限，试验分析不同噪声模型对BP神经网络的影响，设计实现了仿真足球队NDSocTeam的截球动作。\n (3)分析数据不完整对学习能力的影响，分析了使用C4.5、贝叶斯网络处理不完整数据的方法，提出一种改进的C4.5算法；该算法能较好的处理特定环境下的不完整数据，速度快、准确率高。本文用改进的C4.

关键词： 谈判支持系统   遗传算法   劳资谈判   机器学习方法  

摘要： 本文针对传统谈判支持系统的不足 ,将基于遗传的机器学习方法引入到谈判支持系统中 ,设计了面向支持谈判过程的新型遗传算子和规则学习算法。以劳资谈判问题为例进行了模拟谈判 ,模拟结果表明本文提出的方法是有效的。

关键词： 模糊综合评判系统   机器学习   模糊集   模糊权重   反馈示教学习法  

摘要： 在分析模糊综合评判的实际意义及其具体算法的基础上,指出了模糊综合评判系统在获取相关专家知识方面所存在的困难,进而提出了一种适合于模糊综合评判的新的机器学习方法———反馈示教学习法,并且对于在模糊综合评判中使用这种学习方法的具体思路进行了论述,并在模糊综合评判系统中得以实现。

关键词： 机器学习   学习策略   系统结构   特性分析   人工智能   知识获取  

摘要： 描述了机器学习系统的基本结构模型,结合几种主要策略的基本思想,比较和分析了它们的优越性和各自的局限性,重点介绍了机器学习方法的技术应用。

关键词： 数据挖掘   分类   预测   决策支持系统   数据仓库  

摘要： 当今社会是一个信息爆炸的时代，如何充分利用各种各样的信息为人类服务已显得越来越重要。作为新兴的知识发现技术——数据挖掘以及辅助决策工具——决策支持系统已越来越受到人们的关注，它们为人们从大量数据中获取感兴趣的、有用的信息提供了便捷之道。 在数据挖掘众多的研究分支中，分类和预测问题一直是一个十分引人注目的主要分支，许多学者从各个角度如统计、信息理论、神经网络等方面做了大量的研究，取得了一系列的重要成果。本文基于已有的研究成果，主要做了如下的工作： 1、探讨了分类和预测的处理模型，对现有分类和预测算法进行分类，比较了各自的优缺点及适用性，分析了现存算法的不足之处。 2、针对现存算法的不足，提出了构建概念层次的方法，对空缺值的处理方法也进行了探讨。 3、提出一种基于概念分层的分类挖掘算法，通过偏序、格构建概念层次，利用信息增益选择最佳属性集，并且探讨了算法的增量学习版本，最后针对该算法在超大型数据处理方面的不足，还给出了一种解决方法。 数据挖掘作为一种新的信息获取技术，为了将之更好的应用于生产生活实践，本文还探讨了它在决策支持系统中的应用。具体来说，主要做了如下的工作： 1、分析了传统决策支持系统的研究落入低谷的原因，指出了其不足之处，探讨了数据挖掘技术在决策支持系统中的地位和作用。 2、介绍了数据仓库的体系结构以及国内外应用状况，研究了数据挖掘技术和数据仓库技术结合的有效性。 3、提出了一种新的基于数据仓库和数据挖掘的决策支持系统，并指出了这种新型决策支持系统的体系结构和关键技术，分析了这种框架构成的特点，最后对在银行决策支持系统中的应用进行了初步探讨。