论文摘要
流行的似然方法不合适数据先验分布(即信源)可变场合。为此,我们把Zadeh的隶属函数看做预测模型,用隶属函数和可变信源产生似然函数,用平均对数标准(normalized)似然度定义语义信息测度。这样可以保证:(1)坚持使用最大似然准则;(2)预测模型适合信源可变场合;(3)得到的语义贝叶斯预测兼容贝叶斯定理;(4)预测模型能表达语义,便于理解。一组隶属函数构成一个语义信道,优化隶属函数就是使语义信道匹配Shannon信道,产生多标签模糊分类。文中介绍了通过两种信道相互匹配求解最大似然度的迭代算法。几个例子显示这种算法用于检验、估计和混合模型时,收敛快速且可靠。
论文目录
文章来源
类型: 期刊论文
作者: 鲁晨光,汪培庄
关键词: 模糊集合,隶属函数,信息论,语义信息,最大似然度,多标签分类,估计,混合模型
来源: 模糊系统与数学 2019年02期
年度: 2019
分类: 基础科学
专业: 数学
单位: 辽宁工程技术大学智能工程与数学研究院
分类号: O159;O212
页码: 56-69
总页数: 14
文件大小: 1589K
下载量: 69
相关论文文献
标签:模糊集合论文; 隶属函数论文; 信息论论文; 语义信息论文; 最大似然度论文; 多标签分类论文; 估计论文; 混合模型论文;