基于模糊粗糙模型的粗神经网络建模方法研究

• 作者: WANG Yao-Nan 张东波 黄辉先
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: 粗糙集 粗糙数据模型 粗神经网络
• 年，卷（期）: 2008,（8）
• 所属期刊栏目: 短文
• 页码范围: 1016-1023
• 页数: 8页
• 分类号: TP391.41
• 字数: 10583字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2008.01016

摘要

提出一种基于模糊粗糙模型的粗神经网络建模(FRM_RNN_M)方法. 该方法通过自适应G-K聚类实现输入输出积空间的模糊划分,进而在聚类数和约简属性搜索的基础上,提取优化的模糊粗糙模型(Fuzzy rough model,FRM),并在融合神经网络后实现粗神经网络建模.分类实验表明,FRM且NN_M的分类性能优于传统贝叶斯和LVQ方法,而且比单纯的FRM模型具有更强的综合决策能力,和传统的粗逻辑神经网络(Rough logic neural network,RLNN)相比,FRM_RNN_M方法建立的神经网络结构精简,收敛速度快,具有更强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄辉先	湘潭大学信息工程学院	132	921	17.0	23.0
2	张东波	湘潭大学信息工程学院	72	505	12.0	19.0
3	WANG Yao-Nan	湘潭大学信息工程学院	1	18	1.0	1.0