论文部分内容阅读
本文主要针对脑肿瘤数据集的特点展开的，分别讨论了基于模糊极大极小神经网络的模糊规则提取算法，基于浮动搜索的支撑向量机算法，贝叶斯网络算法。基于模糊极大极小神经网络的模糊规则提取算法主要用来处理数据集中数据的模糊性问题，它是模糊极大极小神经网络算法的一种改进算法，它不但引入了FMMNN中的超盒的概念，而且引入了模糊误差和的概念来提高算法的稳健性，减少超盒的数量，通过对超盒的上下界进行约束增加了算法处理缺失属性的能力，另外对样本到超盒的隶属度形式也作了相应的修改。对于脑肿瘤数据集样本少，维数较高的特点，本文采用了把特征选择算法和分类算法相结合的方法，其中特征选择方法中采用wrapper模型的子集评价标准是根据分类算法的分类正确率来作为评价准则的，使用这种评价标准方法能很好地把特征选择和分类算法结合起来，分类算法本文采用了适用于处理小样本问题的基于统计学习理论的SVM算法，为了提高学习的效率，特征选择的搜索算法选择了浮动搜索算法，文中对于SVM方法和浮动搜索算法都作了较详细的介绍。文中对于贝叶斯网络的结构学习和参数学习，网络的推理都进行了讨论。