智能信息处理重点总结

智能信息处理重点总结

ID:33323781

大小:2.90 MB

页数:34页

时间:2019-02-24

智能信息处理重点总结_第1页
智能信息处理重点总结_第2页
智能信息处理重点总结_第3页
智能信息处理重点总结_第4页
智能信息处理重点总结_第5页
资源描述:

《智能信息处理重点总结》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、.智能信息处理是干什么的?举2到3个例子说明智能信息处理在生活中的应用。是利用计算机对物体、图像、语音、字符等进行自动识别的技术,它的一般过程包括:样本采集、信息的数字化、预处理、数据特征的提取、与标准模式进行比较、分类识别。例子:图形识别及语言识别。如手写汉字的识别、语音识别、数据挖掘、智能检索都是智能信息处理的应用实例。第一章模糊集合(FuzzySet)模式识别(PatternRecognition)模糊模式识别(FuzzyPatternRecognition)粗糙集(RoughSet)蚁群算法(AntColonyOptimization,ACO)生物神经网络(Biologic

2、alNeuralNetwork,BNN)生物神经元(neuron)径向基函数RBF(Radialbasisfunction)SOM网络:Self-OrginazingMapsnetwork自组织网络.../*了解旅行商问题(TSP,travelingsalesmanproblem)知识库(KnowledgeBase)下近似集(LowerApproximationSet)上近似集(UpperApproximationSet)不可分辨关系(indiscernibilityrelation)称为等价关系约简(Reduction)“信息素”(pheromone)...考模糊集合的表示:(1

3、)是离散的(2)是连续的...考并、交、补...考基于隶属度的模糊判别:...考最大最小贴近度、欧几里得贴近度、欧氏距离、曼哈顿距离、切比雪夫距离、马氏距离、内积、外积............聚类的定义:聚类是把有相似属性的元素归并成一组的分组过程。因此,同一个类别中的元素都相似,不同类别中的元素都相异。聚类算法的分类:1、排他式聚类例如:K均值聚类;2、重叠式聚类例如:模糊K均值聚类;3、分级聚类例如:合成聚类。说明:C均值聚类和K均值聚类是一个东西;相应地,模糊C均值聚类和模糊K均值聚类说的也是一回事。C或K的含义相同,都表示聚类的数目,只是不同的作者用的不同的字母来表示。..

4、....聚类中心mi的确定:随机抽取C个样本,把它们作为mi,i=1,2,…,CC均值聚类算法过程(1)适当选择c个类的初始中心;  (2)在第k次迭代中,对任意一个样本,求其到c个中心的距离,将该样本归到距离最短的中心所在的类;  (3)分别计算每一类的均值,并用之来更新该类的中心值;  (4)对于所有的c个聚类中心,如果利用(2)(3)的迭代法更新后,值保持不变,则迭代结束,否则继续迭代。  C均值聚类算法的最大优势在于简洁和快速。其关键在于初始中心的选择和距离公式。模糊聚类模糊C均值聚类算法定义:通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自

5、动对样本数据进行分类的方法。表示xi到mj的距离的平方注:以上准则函数及其各个字母的含义是重点...模糊C均值聚类算法的原理说明:需要通过mj来表示,同时,mj也需要通过来表示,所以需要用迭代的方法来估计聚类中心即,...注:以上模糊C均值算法的步骤是重点...第二章:人工神经网络考什么是人工神经网络考什么是前馈神经网络,两层计算单元的前馈神经网络结构注:图片给的是三层的考试考两层的...考BP神经网络的激活函数的形式与要求考什么是BP神经网络具体解释:...考BP训练的目标函数(准则函数)是什么考BP神经网络的应用:分类与回归...考BP神经网络的训练过程步骤......第四节支

6、持向量机1.考英文,svm的标准形式2.SVM始于两类问题的解决需求(即是或否,0或1的问题)...3.较好的分类标准下面举例说明(看懂图)...4.svm的判别函数及参数说明参数说明:5.如何用两类分类svm求多类svm?并举例。用两类SVM分类模型实现多类分类结果的方法和过程。答:共有两种方法。1、成对分类法。2一类对余类法。以手写体数字0~9的识别过程为例说明:1、成对分类法是说训练等于45个两类分类模型,每一个都是一种元素对另一种元素的分类模型。计算样本关于每个SVC的分类结果,所得结果为1的那一类票数加1。所有的分类模型都算完之后,统计哪一类得票数最多,就将该样本归到那一

7、类中去。2、一类对余类法是说训练10个两类分类模型,每个模型分别对应一个元素与其余元素的分类,计算样本关于每个SVC的分类结果,如果决策0为正类则0类得票加1,如果0决策为负类,则1~9每一类得票都加1。所有的分类模型都算完之后,统计哪一类得票数最多,就将该样本归到那一类中去。第五节:梯度下降法和遗传算法...1.梯度下降法(1)给定目标函数(可能具体可能抽象),求最值的步骤梯度下降法的例子:(2)公式表示2.遗传算法基本流程,基本原理,术语,基本运算(主要了解,为更

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。