一种基于模糊核超球感知器的模糊分类模型

被引：1

作者：

阳爱民 ^{[1
,2
]}

陈火旺 ^{[2
]}

机构：

[1] 广东外语外贸大学信息科学技术学院

[2] 国防科技大学计算机学院

来源：

南京大学学报(自然科学版) | 2008年 / 05期

基金：

广东省自然科学基金; 中国博士后科学基金;

关键词：

FKHP; 核函数; 模糊分类模型; 模糊分类规则; 隶属函数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文提出一种模糊核超球感知器(FKHP)学习方法,并介绍了一种基于FKHP这种学习方法的模糊分类模型.模型构建的基本思想是首先选择适当的核函数,将训练模式从输入空间映射到高维特征空间;然后,在特征空间中,利用提出的模糊核超球感知器学习算法,为每一类训练模式找一个覆盖该类别的训练模式的超球;将每个超球,看作为一个模糊划分,以超球中心和半径为参数,定义超圆锥体的隶属函数,并为之建立一条IF-THEN分类规则;最后,以超球半径作为规则的调整参数,进行规则的优化调整.本文介绍了模型的结构、分类规则产生算法以及规则的调整策略.

引用

页码：559 / 568

页数：10

共 6 条

[1] Design of an optimal nearest neighbor classifier using an intelligent genetic algorithm [J].