基于加速梯度求法的置信规则库参数训练方法

摘要：

置信规则库（belief rule base，BRB）的参数训练问题实质上是一个带有约束条件的非线性优化问题，目前在求解该问题上主要使用FMINCON函数及群智能算法，但在算法的应用中存在移植性差，难实现，计算时间长等局限性。通过对这些问题的研究，结合现有的参数训练方法提出了基于加速梯度求法的置信规则库参数训练方法，并将其应用在多峰函数、输油管道泄漏检测的置信规则库的参数训练上。以收敛误差、收敛时间和皮尔森相关系数作为衡量指标，对新方法与其他传统方法进行了对比，实验结果表明，新算法在收敛精度和收敛速度上具有更理想的综合效益。

关键词：置信规则库(BRB)、参数训练、非线性优化问题、加速梯度求法

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.71371053,61300026,61300104;the Science and Technology Project of Fujian Education Department under Grant No. JA13036;the National Collegiate Innovation and Entrepreneurship Training Program of China under Grant No.121038607;the Science and Technology Development Foundation of Fuzhou University under Grant No.2014-XQ-26

在线出版日期：2014-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：989-1001