学位论文 > 优秀研究生学位论文题录展示

RBF神经网络在城市空气质量评价中的应用研究

作　者: 徐彩霞
导　师: 李义杰
学　校: 辽宁工程技术大学
专　业: 计算机软件与理论
关键词: 空气质量评价粗糙集信息熵
分类号: X823
类　型: 硕士论文
年　份: 2011年
下　载: 89次
引　用: 0次
阅　读: 论文下载

内容摘要

城市空气质量评价实质上是模式识别问题,但空气质量评价指标过多,指标与空气级别之间具有复杂的非线性关系,常规的空气质量评价方法或多或少受主观因素的影响,评价结果的准确性难以保证。依据粗糙集和神经网络的互补性,提出了粗糙集和RBF神经网络融合的空气质量评价方法,利用改进的基于信息熵的启发式属性约简算法去掉多余或不重要的空气指标,得到最优空气质量评价因子;把约简后的决策规则集作为训练样本,决策规则的条件部分作为径向基函数的中心,并在矩阵伪逆思想的基础上运用中心、方差及权值直接确定的方法建立RBF神经网络模型,这样不但优化了RBF神经网络的结构,而且避免了反复迭代的过程,提高了训练速度。通过与其它空气质量评价方法的比较,验证了该方法的优越性。

全文目录

摘要  6-7
Abstract  7-10
1 绪论  10-13
  1.1 选题的目的与意义  10
  1.2 国内外研究现状及发展水平  10-11
  1.3 本文研究的主要内容及目标  11-12
  1.4 本文组织结构  12-13
2 RBF 神经网络  13-20
  2.1 RBF 神经网络结构  13-15
  2.2 RBF 神经网络的学习算法  15-20
    2.2.1 聚类方法  16-17
    2.2.2 正交最小二乘算法  17-20
3 粗糙集基本理论  20-26
  3.1 集合  20
  3.2 近似集  20-22
  3.3 知识表达系统  22-23
  3.4 两类决策表  23
  3.5 属性约简  23-25
  3.6 决策规则  25-26
4 属性约简算法研究  26-38
  4.1 基于分辨矩阵的属性约简算法  26-29
    4.1.1 分辨矩阵  26-27
    4.1.2 算法描述  27
    4.1.3 实例分析  27-29
  4.2 基于互信息的MIBARK 启发式约简算法  29-31
  4.3 改进的基于信息熵的属性约简算法  31-38
    4.3.1 相关理论  31-32
    4.3.2 改进算法描述及其流程  32-34
    4.3.3 算法复杂度分析  34
    4.3.4 实例分析  34-38
5 粗糙集与RBF 网络融合的空气质量评价方法  38-44
  5.1 粗糙集与RBF 神经网络融合的原因  38-39
  5.2 基于粗糙集-RBF 网络的空气质量评价模型  39-44
    5.2.1 构造空气质量知识表达系统  39-41
    5.2.2 属性约简  41
    5.2.3 RBF 神经网络的参数设置  41-44
6 粗糙集与RBF 网络融合的城市空气质量评价方法的应用  44-50
  6.1 空气质量级别知识表达系统的形成及属性约简  44-45
  6.2 粗糙集-RBF 网络空气质量评价模型的实现及结果分析  45-47
  6.3 与其它空气质量评价方法的比较  47-50
结论  50-51
附录A 连接权值矩阵  51-52
参考文献  52-55
作者简历  55-56
学位论文数据集  56-57

RBF神经网络在城市空气质量评价中的应用研究

内容摘要

全文目录

相似论文