吉林大学学报(信息科学版)
吉林大學學報(信息科學版)
길림대학학보(신식과학판)
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2004年
3期
236-243
,共8页
黄艳新%于哲舟%胡成全%邹淑雪%周春光%王岩
黃豔新%于哲舟%鬍成全%鄒淑雪%週春光%王巖
황염신%우철주%호성전%추숙설%주춘광%왕암
离散化%规则提取%模糊神经网络%粒子群优化
離散化%規則提取%模糊神經網絡%粒子群優化
리산화%규칙제취%모호신경망락%입자군우화
针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.
針對C-means聚類算法和減法聚類算法的不足,提齣瞭一種模糊神經網絡味覺信號識彆繫統模型,該模型利用粗糙集的離散化算法和規則提取算法穫得數量較少的分類規則,將這些分類規則轉化為模糊IF-THEN規則,進而通過這些模糊IF-THEN規則確定網絡結構.網絡輸齣採用投票機製,使用粒子群優化方法精煉網絡參數,與常用的提取模糊if-then規則的算法相比,該方法隻有一箇參數且易于實現.實驗結果錶明:該方法可穫得更簡潔的繫統錶示,併且通過選擇閤適的繫統參數可使繫統對加譟聲訓練樣本的錯誤識彆率降低5%左右.
침대C-means취류산법화감법취류산법적불족,제출료일충모호신경망락미각신호식별계통모형,해모형이용조조집적리산화산법화규칙제취산법획득수량교소적분류규칙,장저사분류규칙전화위모호IF-THEN규칙,진이통과저사모호IF-THEN규칙학정망락결구.망락수출채용투표궤제,사용입자군우화방법정련망락삼수,여상용적제취모호if-then규칙적산법상비,해방법지유일개삼수차역우실현.실험결과표명:해방법가획득경간길적계통표시,병차통과선택합괄적계통삼수가사계통대가조성훈련양본적착오식별솔강저5%좌우.
