华东理工大学学报（自然科学版）
華東理工大學學報（自然科學版）
화동리공대학학보（자연과학판）
JOURNAL OF EAST CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE)
2006年
11期
1351-1354,1368
,共5页
张晓光%匡颖芝%耿道华%吴行标
張曉光%劻穎芝%耿道華%吳行標
장효광%광영지%경도화%오행표
模糊小波神经网络%支持向量机%有监督模糊聚类%分类
模糊小波神經網絡%支持嚮量機%有鑑督模糊聚類%分類
모호소파신경망락%지지향량궤%유감독모호취류%분류
针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法.首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小.仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度.
針對高維輸入小波網絡的初始參數和網絡結構非常複雜且計算量大的問題,提齣用支持嚮量機(SVM)確定小波網絡的初始參數和網絡結構的方法.首先,使用有鑑督模糊聚類算法從聚類中抽取模糊規則,然後對每一箇規則的後件使用支持嚮量機方法確定小波網絡的結構和初始參數,最後採用梯度下降方法調節模糊小波網絡中的參數,使得模糊小波網絡輸齣與期望輸齣之間的誤差較小.倣真結果錶明:該算法與傳統的模糊神經網絡(FNN)相比顯著提高瞭分類精度.
침대고유수입소파망락적초시삼수화망락결구비상복잡차계산량대적문제,제출용지지향량궤(SVM)학정소파망락적초시삼수화망락결구적방법.수선,사용유감독모호취류산법종취류중추취모호규칙,연후대매일개규칙적후건사용지지향량궤방법학정소파망락적결구화초시삼수,최후채용제도하강방법조절모호소파망락중적삼수,사득모호소파망락수출여기망수출지간적오차교소.방진결과표명:해산법여전통적모호신경망락(FNN)상비현저제고료분류정도.
