模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2004年
1期
60-65
,共6页
模糊聚类%模糊逻辑%模糊推理%稳健性%分类器
模糊聚類%模糊邏輯%模糊推理%穩健性%分類器
모호취류%모호라집%모호추리%은건성%분류기
稳健算法为工程和科学应用所必需.本文揭示了由Setnes和Babuska提出的FRC算法[1]的不稳健性,并提出了一种稳健非线性分类器(MFRC).它将模糊聚类与模糊推理的优势相结合,并且对每一聚类中的模糊关系由属于这个聚类的所有局部关系加权平均得到,从而降低了少数规则的破坏影响.本文将MFRC算法与FRC算法在有编号错误和无编号错误的情况下分别与原型由LVQ、GLVQF算法产生的1-NMP算法比较,分类结果显示MFRC算法具有强稳健性和识别率高的特点.
穩健算法為工程和科學應用所必需.本文揭示瞭由Setnes和Babuska提齣的FRC算法[1]的不穩健性,併提齣瞭一種穩健非線性分類器(MFRC).它將模糊聚類與模糊推理的優勢相結閤,併且對每一聚類中的模糊關繫由屬于這箇聚類的所有跼部關繫加權平均得到,從而降低瞭少數規則的破壞影響.本文將MFRC算法與FRC算法在有編號錯誤和無編號錯誤的情況下分彆與原型由LVQ、GLVQF算法產生的1-NMP算法比較,分類結果顯示MFRC算法具有彊穩健性和識彆率高的特點.
은건산법위공정화과학응용소필수.본문게시료유Setnes화Babuska제출적FRC산법[1]적불은건성,병제출료일충은건비선성분류기(MFRC).타장모호취류여모호추리적우세상결합,병차대매일취류중적모호관계유속우저개취류적소유국부관계가권평균득도,종이강저료소수규칙적파배영향.본문장MFRC산법여FRC산법재유편호착오화무편호착오적정황하분별여원형유LVQ、GLVQF산법산생적1-NMP산법비교,분류결과현시MFRC산법구유강은건성화식별솔고적특점.
