导读:本文包含了可传递信度模型论文开题报告文献综述及选题提纲参考文献，主要关键词:TBM,Rough算子,布尔代数,Rough集解释
可传递信度模型论文文献综述
刘邱云,付雪峰,吴根秀[1]（2008）在《可传递信度模型上的Rough算子及其应用》一文中研究指出在可传递信度模型(TBM)上定义一对Rough算子,并讨论其性质,然后将其应用于两方面:一是对同一识别框架下不同布尔代数中的任一命题进行表示,二是对TBM中的信任函数和似然函数进行Rough集解释.(本文来源于《江西师范大学学报(自然科学版)》期刊2008年02期）
刘邱云,付雪峰,吴根秀[2]（2008）在《基于可传递信度模型的自适应k-NN分类器》一文中研究指出针对训练模式类标签不精确的识别问题,提出了基于可传递信度模型(TBM)的自适应k-NN分类器,它通过运用pignistic变换,可以方便地对待识别模式真正所属的类做出决策,并通过梯度下降来最小化训练模式的输出类标签与目标类标签之间的误差函数,以实现参数的自适应学习.实验表明,该分类器用于处理训练模式类标签不精确的模式识别问题是有效的,且与参数优化前的基于TBM的k-NN分类器相比,其误分类率更低、鲁棒性更强.(本文来源于《计算机研究与发展》期刊2008年S1期）
刘邱云[3]（2005）在《可传递信度模型理论及应用》一文中研究指出本文对可传递信度模型(TBM)的研究分为两部分。 其一是关于TBM的理论研究。首先,将TBM与经典概率模型、上下概率模型及Dempster模型等概率模型作了比较。通过对这些模型的静态部分和动态部分依次进行分析,找出了TBM与概率模型之间的本质区别,即TBM与概率理论没有任何必然联系。其次,在TBM上定义一对Rough算子,并讨论其性质,然后通过这对Rough算子,对TBM中的信任函数和似然函数进行了Rough集解释。 其二是关于TBM的应用研究,这是本文的重点。 为了处理训练模式类标签不精确情形,本文提出了基于TBM的k-NN分类规则及其结合模糊集理论和可能性理论的拓广。通过运用pignistic变换,可以方便地对待识别模式真正所属的类做出决策。由于有限识别框架上的正则模糊集通过相应的隶属函数能产生一个可能性测度,而该可能性测度即是似然测度,因此对基于TBM的k-NN分类规则进行拓广是可行的。 另外,对于以上两种k-NN分类规则,本文还提出了参数的自适应学习方法,即通过梯度下降来最小化训练模式的输出类标签与目标类标签之间的误差函数,以便从训练集中自动学习参数值的大小。 最后,通过计算机模拟实验,对本文提出的这些分类规则作了比较。结果表明,拓广后的分类规则误分类率明显更低,并且经过参数优化后两者的分类效果都得到了较好的改善。(本文来源于《江西师范大学》期刊2005-04-01）
刘邱云,吴根秀,付雪峰[4]（2004）在《基于可传递信度模型的k-NN分类规则》一文中研究指出针对训练模式所属类不确定情形,提出了基于可传递信度模型(TBM)的k-NN分类规则,并结合模糊集理论及可能性理论进行了拓广,最后通过计算机模拟实验将两者作了比较.(本文来源于《江西师范大学学报(自然科学版)》期刊2004年03期）
可传递信度模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对训练模式类标签不精确的识别问题,提出了基于可传递信度模型(TBM)的自适应k-NN分类器,它通过运用pignistic变换,可以方便地对待识别模式真正所属的类做出决策,并通过梯度下降来最小化训练模式的输出类标签与目标类标签之间的误差函数,以实现参数的自适应学习.实验表明,该分类器用于处理训练模式类标签不精确的模式识别问题是有效的,且与参数优化前的基于TBM的k-NN分类器相比,其误分类率更低、鲁棒性更强.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
可传递信度模型论文参考文献
[1].刘邱云,付雪峰,吴根秀.可传递信度模型上的Rough算子及其应用[J].江西师范大学学报(自然科学版).2008
[2].刘邱云,付雪峰,吴根秀.基于可传递信度模型的自适应k-NN分类器[J].计算机研究与发展.2008
[3].刘邱云.可传递信度模型理论及应用[D].江西师范大学.2005
[4].刘邱云,吴根秀,付雪峰.基于可传递信度模型的k-NN分类规则[J].江西师范大学学报(自然科学版).2004