一个基于模糊神经网络的模式分类系统

• 作者: 王继成
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 神经网络 模糊集合理论 模式识别 心电图分类
• 年，卷（期）: 1999,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 26-30
• 分类号: TP18
• 语种: 中文

摘要

目前,基于神经网络的分类系统在许多领域得到了越来越广泛的应用.但是,该系统大多采用的是离线自适应(off-line adaptation)机制,即神经网络需学习新的分类知识时,要重新训练神经网络,从而大大增加神经网络的训练时间;对于重叠分类,一般是构成一个贝叶斯(Bayes)分类器.然而,贝叶斯分类器的构成需要关于分类数据的概率密度函数的先验知识,而这些知识常常在模式分类前是难以获得的.为了解决这些问题,文中根据模糊集合理论,提出了一种基于模糊神经网络的模式分类方法.该方法把模糊逻辑和神经网络结合起来,神经网络由不同类型的神经元组成,实现广泛应用于模糊集合中的与、或和匹配等逻辑操作,以提高神经网络的在线自适应、重叠分类的能力,提高神经网络的学习效率和解释能力.实验结果表明,该方法是可行的,并且在分类效率和分类有效性等方面,较其他的模式分类方法有很大的提高,有广泛的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王继成	同济大学计算机科学与工程系	42	977	15.0	30.0