论文部分内容阅读
[!--newstext--]
[!--title--]
【摘 要】
：
模糊认知图(Fuzzy Cognitive Map,FCM)是广泛应用于系统建模和仿真的离散非线性系统,它结合了神经网络和模糊逻辑的优点,具备较强的知识表达和逻辑推理能力,能够处理数据间的复杂因果关系,在预测与评估方面都具有重要的应用价值。随着社会发展的多元化,使用FCM进行预测的难度和复杂性大幅度提升。在复杂系统下,受人类认知能力的限制,选取的节点无法保证全面且有效,只能构建部分节点的因果关系模
【机 构】
：
山东财经大学
【出 处】
：
山东财经大学
【发表日期】
：
2020年01期
【基金项目】
：
其他文献
使用机器模拟人对图像内容感兴趣的程度作出评价称为图像兴趣评价。传统的图像兴趣评价通常是基于人工设定的确定性规则，对图像做出感兴趣程度的评价。然而由于图像蕴含信息量大、表达内容相对多样等特点，难以人工地去设定相对客观的评价规则，而带有数据监督的学习方法能更好地让机器学习到图像内容与感兴趣程度之间的联系。本文通过研究带有监督学习的图像兴趣评价方法来取代图像兴趣评价规则的人工设定方法。为实现图像兴趣评价
学位
人类视觉注意机制对于理解图像或视频中的显著性物体起着重要作用。当处在复杂的环境中,为了更快的发现和选择用户所关注的视觉信息或目标,视觉注意力机制能够有效的帮我们完成这项任务。在计算机视觉领域中,如何模拟人类视觉注意力机制从视频中迅速的锁定感兴趣的区域或目标、从而实现视频显著性检测是当前非常重要的一个研究方向。尽管现有的显著性检测方法在单幅静态图像上可以取得令人满意的效果,但是视频显著性检测仍然是一
学位
在数据化、信息化的时代背景下,机器学习数据挖掘方法大多集中于大数据,小样本数据的研究一般采用统计模型方法,使用机器学习的方法较少。传统的小样本预测模型有很多,滑动平均预测模型、马尔可夫预测模型、回归分析预测模型等,这些预测模型存在着一定的局限性。模糊认知图(Fuzzy cognitive maps,FCM)是一种研究数据间因果关系的智能计算方法,它能够将关系反馈给每一个数据,并量化表示数据之间关系
学位
股票市场在国家整体经济体系中的重要地位越发突出,对股票价格的分析与预测是当前学术界最具吸引力的研究问题之一。股票价格时间序列作为一种动态的、不规则的、非线性的、非参数化的复杂数据,给股票价格预测研究工作带来挑战。随着神经网络技术的迅速发展,长短期记忆神经网络(Long Short-Term Memory,LSTM)因其在时间序列研究中的良好表现受到广泛关注。然而,在LSTM网络学习训练过程中,隐藏
学位