基于粗糙集理论的神经网络研究及应用

被引：10

作者：

张赢 ^{[1
]}

李琛 ^{[2
]}

机构：

[1] 不详

[2] 纽约州立大学布法罗分校工业与系统工程系

[3] 不详

[4] 华中科技大学系统工程研究所

[5] 不详

来源：

控制与决策 | 2007年 / 04期

关键词：

粗糙集; 神经网络; 数据挖掘; BP算法;

D O I：

10.13195/j.cd.2007.04.104.zhangy.022

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

为了补偿神经网络的黑箱特性并提高其工作性能,将粗糙集理论同神经网络结合起来,提出一种基于粗糙集的神经网络体系结构.首先,利用粗糙集理论对神经网络初始化参数的选择和确定进行指导,赋予各参数相关的物理意义;然后,以系统输出误差最小化为目标对粗糙神经网络进行训练,使其满足性能要求.实验结果表明,粗糙神经网络能较好地完成数据挖掘任务,并能获得较高的分类精度.

引用

页码：462 / 464

页数：3