从神经网络中抽取土地评价模糊规则

被引：17

作者：

胡月明 ^{[1
]}

薛月菊 ^{[1
]}

李波 ^{[2
]}

谢健文 ^{[1
]}

陈飞香 ^{[1
]}

包世泰 ^{[1
]}

机构：

[1] 华南农业大学信息学院

[2] 香港科技大学计算机系

来源：

农业工程学报 | 2005年 / 12期

基金：

广东省自然科学基金;

关键词：

神经网络; 土地评价; 模糊规则抽取; 输入属性;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

为了明确土地评价中所训练神经网络的含义,使土地评价工作者可轻松地理解、判断所得到土地评价模型的正确性和合理性,提出从神经网络中抽取土地评价模糊规则的方法。现有的大多数从神经网络中提取方法,神经网络的输入属性要么局限于连续的,要么只适应于离散的,而土地评价因子往往既包含连续的又包含离散的、标称的,该文首先提出了一种输入属性值适应于这三种类型数据的模糊神经网络建立方法,进而给出一种从建立的神经网络中抽取其中较主要模糊规则的算法。试验表明,所提出的土地评价方法,可直接从样本中学习评价规律,使土地评价工作者易于理解,当出现抽取的规则与实际情况不吻合时,可重新训练神经网络和抽取规则,所得到的评价结果比BP网络的评价结果更准确,从而提高了土地评价的准确性。

引用

页码：93 / 97

页数：5

共 7 条

[1] 基于人工神经网络农用地分等研究Ⅰ.分等模型与精度检测 [J].