科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统意图识别方法只能处理某种类型不确定性信息的不足，该文结合模糊集和DS证据理论优势提出一种模糊置信规则库(BRB)信息处理方法。首先在置信规则前提部分改进了前提属性的连接关系，根据数据集统计分布特点设计了模糊集分割，选取Cauchy型分布作为隶属度函数，较好地避免置信规则无法被有效激活进而导致系统无有效输出问题；其次融合处理辨识框架内不同类别的置信分布，建立规则权重和特征权重优化模型，构建了特征空间与类别空间之间的输入输出关系；在此基础上，计算未知意图数据在相应规则模糊域的匹配度和激活度，采用置信度最大原则进行识别决策。通过实验验证、参数敏感性及结果分析、时间复杂度分析，表明该文方法可以获得比其他识别方法更高的正确率，尤其是在小样本条件下更能体现出该方法的有效性和可靠性。
