自适应神经模糊推理系统用于症候诊断的研究

被引：9

作者：

李建生 ^{[1
]}

胡金亮 ^{[1
]}

岳彩青 ^{[2
]}

机构：

[1] 河南中医学院老年医学研究所

[2] 信息工程大学理学院信息科技研究所

来源：

计算机仿真 | 2006年 / 03期

关键词：

高木—关野模型; 自适应神经模糊系统; 减法聚类; 症候诊断;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了基于T-S模型(Takagi-Sugeno型)的自适应神经网络模糊推理系统(AdaptiveNetwork-basedFuzzyInferenceSystem,ANFIS),介绍了高木—关野(Takagi-Sugeno型)模型结构和自适应神经网络模糊推理系统的结构和算法。该文采用减法聚类初始化模糊推理系统模型,把神经网络学习机制引入到逻辑推理中,使传统的逻辑推理不仅具有逻辑思维及语言表达能力而且具有自学习和联想能力,通过2型糖尿病症候数据库验证了ANFIS用于症候诊断的合理性和有效性。提示自适应神经网络模糊推理系统适合中医症候诊断的研究。

引用

页码：117 / 119

页数：3