成功

基于知识的监督模糊分类:在图像处理中的应用。在这篇文章中,我们对不精确和不确定性的表示和处理感兴趣,以便提出一种新颖的近似推理方法。本文的工作在有监督学习模式识别中具有实际应用价值。通过对训练集的监督学习,得到了结论伴随置信度的产生式规则。所提出的学习方法是多特征的,它允许同时考虑特征连接的可能预测能力。另一方面,特征空间划分允许特征的模糊表示和数据的不精确集成。这种不确定性在学习阶段和识别阶段都有管理。为了引入更大的灵活性,并克服模糊集隶属函数处理带来的边界问题,我们提出了一种面向上下文的近似推理。为此,我们引入一个足够的距离来比较邻近的事实。该距离测量的不精确性,加上以置信度表示的分类决策的不确定性,驱动了近似推理。文中提出的方法在sugrage软件中实现,并在图像处理领域得到了实际应用。所得结果令人满意。它们验证了我们的方法,并允许我们考虑其他应用领域。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH参考文献(参考

显示结果1到3,共3个。
按年份排序(引用)

  1. Truck,Isis;Akdag,Herman:处理不确定性的定性度操纵:形式模型和应用(2006)ioport公司
  2. Truck,Isis;Akdag,Herman:处理不确定性的定性度操纵:形式模型和应用(2006)ioport公司
  3. Borgi,Amel;Akdag,Herman:基于知识的监督模糊分类:在图像处理中的应用(2001)