SUCRAGE公司 swMATH ID: 12332 软件作者： Amel Borgi；赫尔曼·阿克达 描述： 基于知识的监督模糊分类：在图像处理中的应用。在本文中，我们对不精确和不确定性的表示和处理感兴趣，以提出一种新颖的近似推理方法。这项工作在监督学习模式识别中有实际应用。通过训练集的有监督学习，得到了结论带有置信度的产生式规则。提出的学习方法是多特征的，它允许考虑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不精确集成。这种不确定性在学习阶段和识别阶段都得到了管理。为了引入更大的灵活性并克服由于模糊集隶属函数的操作而导致的边界问题，我们建议使用面向上下文的近似推理。为此，我们引入了足够的距离来比较相邻事实。该距离、测量不精确性，再加上以置信度表示的分类决策的不确定性，驱动了近似推断。par该方法在名为SUCRAGE的软件中实现，并在图像处理领域面临实际应用。所得结果非常令人满意。它们验证了我们的方法，并允许我们考虑其他应用领域。 主页： http://link.springer.com/article/10.1023%2FA%3A1016753214357 关键词： 监督分类;学习;近似推理;不精确性和不确定性管理;自动规则生成;图像处理 相关软件： 引用于： 1文件 2位作者引用 1 赫尔曼·阿克达 1 阿梅尔·博尔吉 连载1篇 1 数学与人工智能年鉴 在1个字段中引用 1 计算机科学（68至XX） 按年份列出的引文